luojiehua
/
BidiRag


			
							123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778798081828384858687888990919293949596979899100101102103104105106107108109110111112113114115116117118119120121122123124125126127128129130131132133134135136137138139140141142143144145146147148149
							# -*- coding: utf-8 -*-
"""
使用 BidiRag 召回 HTML 树节点内容片段示例

参考 test_bm25.py 的 test_bm25_html_tree() 方法
展示如何从 HTML 树结构中召回相关节点片段
"""

import sys
import os

sys.path.insert(0, os.path.dirname(os.path.dirname(os.path.abspath(__file__))))

from bdirag.bidi_rag import BidiRag


def demo_tree_node_retrieval():
    """演示如何召回 HTML 树节点片段"""
    
    print("=" * 80)
    print("BidiRag - HTML 树节点片段召回示例")
    print("=" * 80)
    
    # 1. 初始化 BidiRag（使用 bm25_html_tree 方法）
    print("\n[步骤 1] 初始化 BidiRag (使用 bm25_html_tree 方法)...")
    rag = BidiRag(rag_method='bm25_html_tree')
    
    # 2. 准备 HTML 文档
    print("\n[步骤 2] 添加 HTML 公告...")
    
    sample_html = """
    <html>
    <body>
        <h1>XX市第一人民医院医疗设备招标公告</h1>
        <div>
            <h2>一、项目概况</h2>
            <p>项目名称：XX市第一人民医院彩色多普勒超声诊断仪采购项目</p>
            <p>项目编号：XX-ZB-2024-001</p>
            <p>预算金额：500万元</p>
            <p>采购内容：彩色多普勒超声诊断仪 1台</p>
        </div>
        <div>
            <h2>二、投标人资格要求</h2>
            <p>1. 具有独立承担民事责任的能力</p>
            <p>2. 具有有效的医疗器械经营许可证</p>
            <p>3. 近三年内无不良经营记录</p>
            <p>4. 投标保证金：人民币5万元整</p>
        </div>
        <div>
            <h2>三、技术需求</h2>
            <p>1. 彩色多普勒超声诊断仪技术参数</p>
            <p>   - 探头配置：腹部凸阵探头、高频线阵探头、心脏相控阵探头</p>
            <p>   - 显示屏：≥19英寸高清液晶显示器</p>
            <p>   - 质保期：整机质保三年</p>
            <p>2. 交货时间：合同签订后60天内交货</p>
            <p>3. 交货地点：XX市第一人民医院设备科</p>
        </div>
        <div>
            <h2>四、评标方法</h2>
            <p>采用综合评分法：</p>
            <p>   - 技术部分：60分</p>
            <p>   - 商务部分：30分</p>
            <p>   - 价格部分：10分</p>
        </div>
        <div>
            <h2>五、付款方式</h2>
            <p>合同签订后支付30%，交货验收合格后支付65%，质保期满后支付5%</p>
        </div>
        <div>
            <h2>六、投标截止时间</h2>
            <p>投标截止时间：2024年12月31日上午9:30</p>
            <p>开标时间：同投标截止时间</p>
            <p>投标文件递交地点：XX市公共资源交易中心</p>
        </div>
    </body>
    </html>
    """
    
    rag.add_texts([sample_html])
    print("✓ HTML 文档已添加")
    
    # 3. 测试不同查询，召回树节点片段
    test_queries = [
        ("预算金额", ["预算", "Budget"]),
        ("投标保证金", ["保证金", "Bond"]),
        ("技术参数 探头", ["探头", "technical"]),
        ("评标方法 综合评分", ["评标", "综合评分"]),
        ("质保期", ["质保", "Warranty"]),
        ("付款方式", ["付款", "Payment"]),
        ("交货时间", ["交货", "Delivery"]),
    ]
    
    print("\n" + "=" * 80)
    print("开始召回测试")
    print("=" * 80)
    
    for query, keywords in test_queries:
        print(f"\n{'=' * 80}")
        print(f"查询: {query}")
        print(f"{'-' * 80}")
        
        # 使用 retrieve 方法召回树节点片段
        results = rag.retrieve(
            query=query,
            top_k=3,
            keywords=keywords
        )
        
        print(f"召回 {len(results)} 个树节点片段:\n")
        
        # 评估相关性
        relevant_count = 0
        for i, (doc, score) in enumerate(results, 1):
            # 从 metadata 中获取路径信息
            path = doc.metadata.get("path", "")
            title = doc.metadata.get("title", "")
            
            # 检查相关性
            is_relevant = any(kw.lower() in doc.page_content.lower() for kw in keywords)
            if is_relevant:
                relevant_count += 1
                marker = "[✓]"
            else:
                marker = "[ ]"
            
            print(f"  片段 {i} {marker} (分数: {score:.4f})")
            print(f"  路径: {path}")
            print(f"  内容:")
            # 显示内容片段（前200字符）
            content_preview = doc.page_content[:200].replace("\n", " ")
            print(f"    {content_preview}...")
            print()
        
        # 计算精确度
        precision = relevant_count / len(results) if results else 0
        print(f"  精确度@3: {precision:.1%}")
    
    print("\n" + "=" * 80)
    print("示例完成！")
    print("=" * 80)
    print("\n说明:")
    print("1. 使用 bm25_html_tree 方法可以召回 HTML 树结构的节点片段")
    print("2. 每个片段包含完整的路径信息（parent path）")
    print("3. 内容片段保留了层级结构信息")
    print("4. 通过 keywords 参数可以过滤和精化召回结果")


if __name__ == "__main__":
    demo_tree_node_retrieval()