Recuperar passagens - Amazon Kendra

As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

Recuperar passagens

Você pode usar o RetrieveAPI como recuperador para sistemas de geração aumentada de recuperação (RAG).

Os sistemas de RAG usam inteligência artificial generativa para criar aplicativos de resposta a perguntas. Os sistemas de RAG consistem em um recuperador e LLM (grandes modelos de linguagem). Dada uma consulta, o recuperador identifica os trechos de texto mais relevantes de um acervo de documentos e os envia ao LLM para fornecer a resposta mais útil. Em seguida, o LLM analisa os trechos ou passagens de texto relevantes e gera uma resposta abrangente para a consulta.

A API de Retrieve analisa trechos de texto ou trechos chamados de passagens e retorna as principais passagens que são mais relevantes para a consulta.

Como o QueryAPI, a Retrieve API também busca informações relevantes. A recuperação de informações da API Retrieve leva em consideração o contexto da consulta e todas as informações disponíveis dos documentos indexados. No entanto, por padrão, a API de Query retorna apenas trechos de até 100 palavras simbólicas. Com a API de Retrieve, recupere passagens mais longas de até 200 palavras simbólicas e até 100 passagens semanticamente relevantes. Isso não inclui respostas do tipo pergunta-resposta ou perguntas frequentes do índice. As passagens, também chamadas de partes, são trechos de texto que podem ser extraídos semanticamente de vários documentos e de várias partes do mesmo documento. O índice GenAI Enterprise Edition da Kendra oferece resultados de alta precisão para recuperação, usando uma pesquisa híbrida sobre índices vetoriais e de palavras-chave, juntamente com a classificação por modelos de aprendizado profundo.

Você também poderá fazer o seguinte com a API de Retrieve:

  • Substitua o aumento no nível do índice

  • Filtrar com base nos campos ou atributos do documento

  • Filtrar com base no acesso do usuário ou do grupo aos documentos

  • Veja o bucket de pontuação de confiança para obter um resultado de passagem recuperado. O bucket de confiança fornece uma classificação relativa que indica o grau de confiança do Amazon Kendra de que a resposta é relevante para a consulta.

    nota

    No momento, os compartimentos de pontuação de confiança estão disponíveis somente em inglês.

Você também poderá incluir certos campos na resposta que podem fornecer informações adicionais úteis.

Atualmente, a Retrieve API não oferece suporte aos seguintes recursos: consulta usando sintaxe de consulta avançada, correções ortográficas sugeridas para consultas, facetagem, sugestões de consultas para preencher automaticamente consultas de pesquisa e aprendizado incremental. Quaisquer consultas de API de recuperação não aparecerão no painel de análise.

A API de Retrieve compartilha o número de unidades de capacidade de consulta que definida para seu índice. Para obter mais informações sobre o que está incluído em uma única unidade de capacidade e a capacidade base padrão de um índice, consulte Como ajustar a capacidade.

nota

Você não pode adicionar capacidade se estiver usando a Amazon Kendra Developer Edition; você só pode adicionar capacidade ao usar a Amazon Kendra Enterprise Edition. Para obter mais informações sobre o que está incluído nas edições do Desenvolvedor e Enterprise, consulte Edições do Amazon Kendra.

Veja a seguir um exemplo do uso da Retrieve API para recuperar as 100 passagens mais relevantes dos documentos em um índice para a consulta. "how does amazon kendra work?"

Python
import boto3
import pprint

kendra = boto3.client("kendra")

# Provide the index ID
index_id = "index-id"
# Provide the query text
query = "how does amazon kendra work?"
# You can retrieve up to 100 relevant passages
# You can paginate 100 passages across 10 pages, for example
page_size = 10
page_number = 10

result = kendra.retrieve(
        IndexId = index_id,
        QueryText = query,
        PageSize = page_size,
        PageNumber = page_number)

print("\nRetrieved passage results for query: " + query + "\n")        

for retrieve_result in result["ResultItems"]:

    print("-------------------")
    print("Title: " + str(retrieve_result["DocumentTitle"]))
    print("URI: " + str(retrieve_result["DocumentURI"]))
    print("Passage content: " + str(retrieve_result["Content"]))
    print("------------------\n\n")
Java
package com.amazonaws.kendra;

import software.amazon.awssdk.services.kendra.KendraClient;
import software.amazon.awssdk.services.kendra.model.RetrieveRequest;
import software.amazon.awssdk.services.kendra.model.RetrieveResult;
import software.amazon.awssdk.services.kendra.model.RetrieveResultItem;

public class RetrievePassageExample {
    public static void main(String[] args) {
        KendraClient kendra = KendraClient.builder().build();
        
        String indxId = "index-id";
        String query = "how does amazon kendra work?";
        Integer pgSize = 10;
        Integer pgNumber = 10;

        RetrieveRequest retrieveRequest = retrieveRequest
            .builder()
            .indexId(indxId)
            .queryText(query)
            .pageSize(pgSize)
            .pageNumber(pgNumber)
            .build();

        RetrieveResult retrieveResult = kendra.retrieve(retrieveRequest);

        System.out.println(String.format("\nRetrieved passage results for query: %s", query));
        for(RetrieveResultItem item: retrieveResult.resultItems()) {
            System.out.println("----------------------");
            System.out.println(String.format("Title: %s", documentTitle));
            System.out.println(String.format("URI: %s", documentURI));
            System.out.println(String.format("Passage content: %s", content));
            System.out.println("-----------------------\n");
        }
    }
}