Preskoči na glavni sadržaj
🔒 Način pregleda. Prvih petnaest Foundations lekcija je besplatno; ova je Pro. Pokrenite 7-dnevni trial da otključate editor, AI savjete i ostatak programa. Kartica obavezna, otkažite bilo kada u Dashboard.Pokreni 7-dnevni trial →
← KolegijiAI Engineering with PythonModul 3 · RAG (Retrieval-Augmented Generation)Hibridno pretraživanje: BM25 + vektorwrite37 / 105
+100 XP
Zadatak
📝 **Pitanje:** **Napišite funkciju** \`rrf(rankings, k=60)\` — Recipročna fuzija rangova. Uzima popis rangiranja (svako rangiranje je poredani popis ID-ova dokumenata od najboljeg do najgoreg, od jednog retrivera) i vraća spojeni top-K kao popis ID-ova dokumenata poredanih prema ukupnom RRF rezultatu, najviši prvi. Formula za jedan dokument u jednom rangiranju na nultoj poziciji \`rang\`: \`\`\` rezultat = 1 / (k + rang) \`\`\` Zbroj bodova za sva rangiranja za svaki dokument; poredaj dokumente prema ukupnom rezultatu silazno. Zatim spojite vektor i BM25 retriver za upit "SKU-4471": \`\`\` vektor = ["doc-A", "doc-B", "doc-C", "doc-D"] # vektor misli da je A najbolji bm25 = ["doc-D", "doc-A", "doc-E", "doc-F"] # bm25 stavlja D na prvo mjesto (odgovara SKU) \`\`\` Ispišite spojena top-4 kao Python popis: \`\`\` ['doc-A', 'doc-D', 'doc-B', 'doc-C'] \`\`\` A se pojavljuje na oba popisa na visokim položajima → pobjeđuje. D je bio broj 1 u BM25 → bolji od B i C iako ga vektor nije favorizirao. To je RRF: dokumenti visoko rangirani na BILO KOJOJ površini retrivera. 📋 Odaberite pravi odgovor. 💡 **Savjet:** Ponovno pročitajte gornju teoriju ako niste sigurni.
✏️ Piši kod ovdje
🐍
Učitavanje Pythona...
Jednokratno preuzimanje (~1 MB). Zatim radi odmah.
📊 Rezultat
Klikni Pokreni da vidiš rezultat...

💬 Rasprava

Budi prvi — postavi pitanje ili podijeli savjet.
Prijavi se kako bi se pridružio raspravi. Čitanje je besplatno.
Učitavanje rasprave…