Questo lavoro è stato tradotto utilizzando l'AI. Siamo lieti di ricevere il tuo feedback e i tuoi commenti: translation-feedback@oreilly.com
Quando si inseriscono testi più lunghi nei sistemi RAG, la pre-elaborazione suddivide il documento in blocchi più piccoli. Ogni blocco viene convertito in un vettore di embedding che ne cattura il significato semantico. Durante il recupero, il sistema misura la somiglianza calcolando le distanze tra questi vettori per trovare il testo rilevante.
Questo funziona al meglio quando ogni blocco contiene esattamente un'informazione e può essere compreso in modo indipendente. La sfida principale è preparare blocchi che siano autonomi senza dipendere dal contesto circostante. Una pipeline di elaborazione robusta pulisce il testo grezzo e lo divide nei punti giusti per produrre blocchi significativi.
La Figura 4-1 illustra le tecniche comuni di pre-elaborazione dell':
Preparazione del testo
Sostituisci le abbreviazioni e ripulisci il testo.
Raccolta dei metadati
Memorizza i numeri di pagina, la fonte e l'autore.
Suddivisione del testo
Applica il chunking per caratteri, ricorsivo, semantico o agentico.
L'obiettivo è produrre blocchi chiari e inequivocabili che non richiedano il contesto circostante.
Figura 4-1. Una pipeline di indicizzazione RAG semplificata che include potenzialitecniche di elaborazione dei ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month, and much more.
O’Reilly covers everything we've got, with content to help us build a world-class technology community, upgrade the capabilities and competencies of our teams, and improve overall team performance as well as their engagement.
Julian F.
Head of Cybersecurity
I wanted to learn C and C++, but it didn't click for me until I picked up an O'Reilly book. When I went on the O’Reilly platform, I was astonished to find all the books there, plus live events and sandboxes so you could play around with the technology.
Addison B.
Field Engineer
I’ve been on the O’Reilly platform for more than eight years. I use a couple of learning platforms, but I'm on O'Reilly more than anybody else. When you're there, you start learning. I'm never disappointed.
Amir M.
Data Platform Tech Lead
I'm always learning. So when I got on to O'Reilly, I was like a kid in a candy store. There are playlists. There are answers. There's on-demand training. It's worth its weight in gold, in terms of what it allows me to do.
O’Reilly covers everything we've got, with content to help us build a world-class technology community, upgrade the capabilities and competencies of our teams, and improve overall team performance as well as their engagement.
