Woordenlijst

Document reranking

Wat is Document reranking?

Document reranking is een tweede sorteerstap in zoek- en RAG-systemen: een snelle eerste zoekactie levert een reeks kandidaatresultaten op, die een nauwkeurigere maar duurdere methode vervolgens op relevantie herordent. Vaak gebeurt dit met een zogeheten cross-encoder die de vraag en een passage samen beoordeelt. Zo staan de meest relevante passages bovenaan voordat een taalmodel er een antwoord uit formuleert.

Hoe KI.ordo helpt

De kennisbank-zoekfunctie van KI.ordo rangschikt passages op relevantie met de BM25-trefwoordmethode, rechtstreeks op de server.

Meer informatie

Onderwerpen

zoeken
RAG
relevantie

KI.ordo uitproberen

Agents, workflows en sjablonen in één werkruimte – gratis demo van 24 uur.

Demo starten

← Alle begrippen

Verwante begrippen

Retrieval-augmented generation (RAG)

Retrieval-augmented generation combineert zoeken met tekstgeneratie: voordat het antwoordt, doorzoekt het systeem een kennisverzameling – zoals handleidingen, richtlijnen of veelgestelde vragen – op relevante passages en geeft die als context aan het taalmodel. Het antwoord is daardoor gebaseerd op actuele, bedrijfsspecifieke inhoud en niet alleen op de trainingskennis van het model. Dit vermindert verzonnen beweringen, maakt bronnen controleerbaar en maakt updates mogelijk zonder opnieuw te trainen.

RAG
kennis zoeken
+1

Information retrieval

Information retrieval omvat methoden waarmee in een grote hoeveelheid tekst de documenten of passages worden gevonden die bij een zoekvraag passen, en die op relevantie worden gerangschikt. Klassieke benaderingen zoals BM25 wegen zoektermen naar hoe vaak en hoe zelden ze voorkomen; nieuwere voegen semantische gelijkenis toe. Het vormt de basis van zoekmachines, enterprise search en retrieval-augmented generation, waarbij een taalmodel de opgehaalde passages als basis voor zijn antwoord gebruikt.

Zoeken
BM25
+1

Retrievalpipeline

Een retrievalpipeline is de reeks verwerkingsstappen waarmee een systeem de juiste informatie bij een vraag vindt. Typische stappen zijn: documenten inlezen en opschonen, opdelen in chunks, een zoekindex opbouwen, eventueel de zoekopdracht herschrijven, treffers ophalen, rangschikken (reranking) en de beste doorgeven aan het taalmodel. Het is de basis van elke RAG-toepassing, en de kwaliteit ervan bepaalt grotendeels hoe goed de resulterende antwoorden zijn.

RAG
zoeken
+1

Document grading (RAG)

Bij retrieval-augmented generation (RAG) betekent document grading dat opgehaalde passages worden gecontroleerd op de vraag of ze bij de vraag passen en een antwoord kunnen onderbouwen. Alleen passages die als relevant zijn beoordeeld, gaan naar het taalmodel; ongeschikte resultaten worden verworpen of leiden tot een nieuwe zoekactie. Dit verkleint het risico op verzonnen of verkeerd onderbouwde antwoorden, bijvoorbeeld wanneer bij een vraag over actuele prijzen een verouderd document opduikt.

RAG
relevantie
+1