顶点小说

第336章 好（第1页）

23检索增强生成技术

rag（retrieva1-augntedneration）技术是一种结合了信息检索（retrieva1）和文本生

成（neration）的自然语言处理（nlp）方法。

核心思想是将传统的检索技术与现代的自然语言

生成技术相结合，以提高文本生成的准确性和相关性。

它旨在通过从外部知识库中检索相关信息来

辅助大型语言模型（如gpt系列）生成更准确、可靠的回答。

在rag技术中，整个过程主要分为三个步骤如图22所示：索引（dexg）、检索

（retrieva1）和生成（neration）。

先，索引步骤是将大量的文档或数据集合进行预处理，将

其分割成较小的块（k）并进行编码，然后存储在向量数据库中。

这个过程的关键在于将非结

构化的文本数据转化为结构化的向量表示，以便于后续的检索和生成步骤。

接下来是检索步骤，它

根据输入的查询或问题，从向量数据库中检索出与查询最相关的前k个k。

这一步依赖于高效

的语义相似度计算方法，以确保检索到的k与查询具有高度的相关性。

最后是生成步骤，它将

原始查询和检索到的sforr模型（如gpt或bert）中，生成最

终的答案或文本。

这个模型结合了原始查询的语义信息和检索到的相关上下文，以生成准确、连贯

且相关的文本。

rag的概念和初步实现是由dou91apatrickle91aperez等人在2o2o年次

提出的。

他们在论文《retrieva1-augntednerationforkno911ed-tensiven1ptasks》

中详细介绍了rag的原理和应用，随后谷歌等搜索引擎公司已经开始探索如何将rag技术应用到搜

索结果的生成中，以提高搜索结果的准确性和相关性。

在医疗领域，rag技术可以帮助医生快检

索医学知识，生成准确的诊断建议和治疗方案。

24文本相似度计算

文本相似度计算是自然语言处理（nlp）领域的一个重要研究方向，它旨在衡量两个或多个文

本之间的相似程度。

文本相似度计算的原理基于两个主要概念：共性和差异。

共性指的是两个文本

之间共同拥有的信息或特征，而差异则是指它们之间的不同之处。

请关闭浏览器阅读模式后查看本章节，否则将出现无法翻页或章节内容丢失等现象。