Parsování a příprava dokumentů pro Retrieval Augmented Generation (RAG)
Abstract
Bakalářská práce se zabývá srovnáním moderních parserů dokumentů z pohledu jejich vlivu na kvalitu systémů Retrieval-Augmented Generation.Teoretická část shrnuje architekturu RAG, požadavky na kvalitní parser a roli formátu Markdown při zachování sémantické struktury dokumentu.Praktická část popisuje experimentální infrastrukturu vystavěnou nad frameworkem LlamaIndex, jednotné rozhraní pro více parserů a metodiku hodnocení založenou na přístupu LLM-as-a-Judge.Závěrečná analýza porovnává vybrané parsery z hlediska correctness, faithfulness, retrieval metrik, rychlosti zpracování a provozních nákladů a formuluje doporučení pro různé typy dokumentových korpusů.
Read the paper
Related studies
- Knowledge Management Perspective of Generative Artificial Intelligence
- Navigating Generative Artificial Intelligence Promises and Perils for Knowledge and Creative Work
- Characterizing the evolving research on enterprise content management
- Large language models and multimodal foundation models for precision oncology
- From Generative AI to Extended Reality: Multidisciplinary Perspectives on the Challenges, Opportunities, and Future of Educational Computing
- Generative Artificial Intelligence: A New Engine for Advancing Environmental Science and Engineering
Go deeper in Evidence Hub
Evidence Hub adds a study data sheet (design, sample size, evidence level, key numbers), an AI summary and a chat grounded in the paper's text.