Skip to main content
Open In ColabOpen on GitHub

BM25

BM25 (维基百科) 也称为 Okapi BM25，是一种在信息检索系统中使用的排序函数，用于估算文档与给定搜索查询的相关性。

BM25Retriever retriever 使用 rank_bm25 包。

%pip install --upgrade --quiet  rank_bm25
from langchain_community.retrievers import BM25Retriever
API Reference:BM25Retriever

创建包含文本的新检索器​

retriever = BM25Retriever.from_texts(["foo", "bar", "world", "hello", "foo bar"])

使用文档创建新的检索器​

您现在可以使用创建的文档来创建一个新的检索器。

from langchain_core.documents import Document

retriever = BM25Retriever.from_documents(
    [
        Document(page_content="foo"),
        Document(page_content="bar"),
        Document(page_content="world"),
        Document(page_content="hello"),
        Document(page_content="foo bar"),
    ]
)
API Reference:Document

使用检索器​

我们现在可以使用检索器了！

result = retriever.invoke("foo")
result
[Document(metadata={}, page_content='foo'),
 Document(metadata={}, page_content='foo bar'),
 Document(metadata={}, page_content='hello'),
 Document(metadata={}, page_content='world')]

预处理函数​

将自定义预处理函数传递给检索器，以改进搜索结果。在词级别对文本进行分词可以增强检索效果，尤其是在使用 Chroma、Pinecone 或 Faiss 等向量存储处理分块文档时。

import nltk

nltk.download("punkt_tab")
from nltk.tokenize import word_tokenize

retriever = BM25Retriever.from_documents(
    [
        Document(page_content="foo"),
        Document(page_content="bar"),
        Document(page_content="world"),
        Document(page_content="hello"),
        Document(page_content="foo bar"),
    ],
    k=2,
    preprocess_func=word_tokenize,
)

result = retriever.invoke("bar")
result
[Document(metadata={}, page_content='bar'),
 Document(metadata={}, page_content='foo bar')]