Denser Retriever

📝 说明

Denser Retriever 将多种搜索技术结合到一个平台中。它利用 梯度提升（xgboost） 机器学习技术来结合：

• 基于关键词的搜索，专注于获取查询中提到的精确内容。
• 向量数据库，非常适合寻找可能相关的广泛答案。
• 机器学习重新排序器，微调结果以确保最相关的答案排在前列。

我们在 MTEB 数据集上的实验表明，通过 xgboost 模型（表示为 ES+VS+RR_n）结合关键词搜索、向量搜索和重新排序器，可以显著提升向量搜索（VS）的基线。

🚀 特性

Denser Retriever 的初始版本提供以下特性。

• 支持异构检索器，如 关键词搜索、向量搜索 和 ML 模型重新排序
• 利用 xgboost 机器学习技术有效结合异构检索器
• 在 MTEB 检索基准测试中实现 最先进的准确性
• 展示如何使用 Denser Retriever 为 端到端应用程序（如聊天机器人和语义搜索）提供动力

📦 安装

我们建议通过 Anaconda 安装 Python，因为我们收到反馈，在使用 https://www.python.org/downloads/ 提供的安装程序时存在 Numpy 安装问题。我们正在努力提供解决方案。 要安装 Denser Retriever，您可以运行：

Pip

pip install git+https://github.com/denser-org/denser-retriever.git#main

Poetry

poetry add git+https://github.com/denser-org/denser-retriever.git#main

📃 文档

官方文档托管在 retriever.denser.ai 上。 点击这里开始。

👨🏼‍💻 开发

您可以在本地机器上开始开发 Denser Retriever。

详见 DEVELOPMENT.md。

🛡 许可证

此项目根据 MIT 许可证条款授权。 查看更多详情请参见 LICENSE。

📃 引用

@misc{denser-retriever,
  author = {denser-org},
  title = {An enterprise-grade AI retriever designed to streamline AI integration into your applications, ensuring cutting-edge accuracy.},
  year = {2024},
  publisher = {GitHub},
  journal = {GitHub repository},
  howpublished = {\url{https://github.com/denser-org/denser-retriever}}
}