Glossario

Windowing (finestre scorrevoli)

Che cos’è Windowing (finestre scorrevoli)?

Il windowing consiste nel suddividere dati lunghi in sezioni («finestre») di lunghezza fissa, spesso sovrapposte. Nelle applicazioni di IA serve a dividere documenti lunghi in parti ricercabili: la sovrapposizione fa sì che una frase al confine tra due sezioni non perda il suo contesto. Le finestre scorrevoli si usano anche per serie temporali e segnali audio, analizzando i dati un pezzo alla volta.

Come aiuta KI.ordo

KI.ordo divide le conoscenze caricate in sezioni sovrapposte, così la ricerca trova i passaggi pertinenti insieme al loro contesto.

Scopri di più →

Temi

Ricerca conoscenze
Documenti
RAG

Prova KI.ordo

Agenti, flussi e modelli in un’unica area di lavoro – demo gratuita di 24 ore.

Avvia demo

← Tutti i termini

Termini correlati

Retrieval-Augmented Generation (RAG)

La Retrieval-Augmented Generation unisce ricerca e generazione di testo: prima di rispondere, il sistema cerca in una raccolta di conoscenze, come manuali, linee guida o FAQ, i passaggi pertinenti e li fornisce al modello linguistico come contesto. La risposta si basa così su contenuti aziendali aggiornati e non solo sulle conoscenze apprese in addestramento. Questo riduce le affermazioni inventate, rende tracciabili le fonti e consente aggiornamenti senza nuovo addestramento.

RAG
ricerca nelle conoscenze
+1

Recupero dell'informazione

Il recupero dell'informazione (information retrieval) comprende i metodi che, in grandi raccolte di testi, trovano i documenti o i passaggi pertinenti a una richiesta e li ordinano per rilevanza. Approcci classici come BM25 pesano i termini in base a frequenza e rarità; quelli più recenti aggiungono la somiglianza semantica. È alla base di motori di ricerca, ricerca aziendale e retrieval-augmented generation, in cui un modello linguistico usa i passaggi trovati come fonte della risposta.

Ricerca
BM25
+1

Pipeline di retrieval

Una pipeline di retrieval è la sequenza di passaggi con cui un sistema trova le informazioni giuste per una domanda. Di solito comprende: importare e pulire i documenti, suddividerli in sezioni, creare un indice di ricerca, eventualmente riformulare la richiesta, cercare i risultati, ordinarli (reranking) e passare i migliori al modello linguistico. È la base di ogni applicazione RAG e la sua qualità determina in larga misura la bontà delle risposte.

RAG
ricerca
+1