섹션 6. 고급 검색 기법의 이해 및 활용

1. 고급 검색 기법 소개 (쿼리 확장, Re-rank, 맥락 압축)

• 설명: 고급 검색 기법은 검색 성능을 극대화하기 위해 추가적인 기법을 활용합니다.
  • 쿼리 확장: 유사한 의미의 키워드를 추가하거나 쿼리를 분해하여 검색 정확도를 높이는 기법.
  • Re-rank: 초기 검색 결과를 재정렬해 높은 품질의 결과를 반환.
  • 맥락 압축: 검색 대상 문서의 크기를 줄이거나 요약해 검색 성능을 개선.
• 활용법: 복잡한 정보 검색, 고품질 검색 결과 제공, 실시간 검색 시스템.

2. 쿼리(Query) 확장 1 - 기본 개념

• 설명: 쿼리 확장은 사용자의 입력 쿼리를 변형하여 검색 결과를 개선합니다. 예를 들어, 동의어 확장, 다중 쿼리 생성, 또는 쿼리 분해(decomposition) 방식을 사용합니다.
• 활용법: 동의어 사전, 유사 단어 네트워크, 또는 언어 모델을 기반으로 쿼리를 확장.

3. 쿼리(Query) 확장 2 - 실습환경 준비 및 LangSmith 소개

• 설명: LangSmith는 LangChain과 통합되어 쿼리 확장 실험 및 데이터 분석을 지원하는 도구입니다.

• 예시 코드:

  
  from langsmith.client import LangSmithClient
  
  # LangSmith 클라이언트 초기화
  client = LangSmithClient(api_key="your-api-key")
  
  # 쿼리 확장 데이터 업로드
  query_data = {"query": "LangChain 사용법"}
  response = client.upload_query_data(query_data)
  print(response)
  
  

• 활용법: LangChain 검색기 실험 및 결과 분석에 활용.

4. 쿼리(Query) 확장 3 - Multi Query 기법

• 설명: Multi Query 기법은 동일한 쿼리에 대해 다양한 변형 쿼리를 생성하여 검색 성능을 높입니다.

• 예시 코드:

  
  from langchain.chains import MultiQueryRetriever
  
  retriever = MultiQueryRetriever(
      retriever=vector_store.as_retriever(),
      queries=["LangChain의 장점", "LangChain의 사용 사례"]
  )
  results = retriever.get_relevant_documents("LangChain 활용법")
  print(results)
  
  

• 활용법: 다중 쿼리 기반 FAQ 검색, 다양한 사용자 의도 반영.