GitHub 热门项目: 猛禽

GitHub 项目：猛禽 仓库地址：https://github.com/parthsarthi03/raptor 星级：1704 | 作者：parthsarthi03 项目描述：RAPTOR的正式实现：树组织检索的递归抽象处理 =================================================== 自述文件内容： <图片> ## RAPTOR：用于树组织检索的递归抽象处理 **RAPTOR** 通过从文档构建递归树结构，引入了一种新的检索增强语言模型方法。这使得跨大型文本的信息检索更加高效且具有上下文感知能力，解决了传统语言模型中的常见限制。 详细的方法和实现可以参考原论文： - [RAPTOR：用于树组织检索的递归抽象处理](https://arxiv.org/abs/2401.18059) [](https://huggingface.co/papers/2401.18059) [](https://paperswithcode.com/sota/question-answering-on-quality?p=raptor-recursive-abstractive-processing-for) ## 安装 在使用 RAPTOR 之前，请确保已安装 Python 3.8+。克隆 RAPTOR 存储库并安装必要的依赖项： ````bash git 克隆 https://github.com/parthsarthi03/raptor.git CD猛禽 pip install -r 要求.txt ```` ## 基本用法 要开始使用 RAPTOR，请按照以下步骤操作： ### 设置 RAPTOR 首先，设置 OpenAI API 密钥并初始化 RAPTOR 配置： ````蟒蛇 导入操作系统 os.environ["OPENAI_API_KEY"] = "your-openai-api-key" 从 raptor 导入 RetrievalAugmentation # 使用默认配置进行初始化。对于高级配置，请查看文档。 [开发中] RA = 检索增强() ```` ### 将文档添加到树中 将文本文档添加到 RAPTOR 进行索引： ````蟒蛇 以 open('sample.txt', 'r') 作为文件： 文本 = 文件.read() RA.add_documents(文本) ```` ### 回答问题 您现在可以使用 RAPTOR 根据索引文档回答问题： ````蟒蛇 Question =“灰姑娘是如何达到幸福结局的？” 答案 = RA.answer_question(问题=问题) print("答案：", 答案) ```` ### 保存和加载树 将构造好的树保存到指定路径： ````蟒蛇 SAVE_PATH =“演示/灰姑娘” RA.保存（SAVE_PATH） ```` 将保存的树加载回 RAPTOR： ````蟒蛇 RA = RetrievalAugmentation（树=SAVE_PATH） 答案 = RA.answer_question(问题=问题) ```` ### 使用其他模型扩展 RAPTOR RAPTOR 的设计非常灵活，允许您集成任何模型以进行总结、提问