ENDEع
Alle Projekte
In Arbeit

Home RAG · Masterarbeit

Fragen auf Arabisch über deutsche Dokumente stellen und Antworten mit Quellen bekommen – gemessen, nicht geraten.

RAGHybrid retrievalMultilingual embeddingsEvaluationMaster's thesis

Problem

Ein Dokument zu lesen ist für heutige Modelle leicht. Schwer ist es, das richtige Dokument zu finden: sprachübergreifend, bei wachsendem Archiv und für Fragen, die eine Summe statt eines Absatzes brauchen.

Architektur

  1. 01 Question (AR / DE / EN)
  2. 02 Router: docs or numbers
  3. 03 Keyword + vector search → fusion
  4. 04 Answer with citations
  5. 05 Evaluation set

Wichtige Entscheidungen

  1. Hybride Suche: Stichwortsuche (exakte Rechnungsnummern, Namen) plus mehrsprachige Vektoren (arabische Frage → deutscher Brief), zusammengeführt mit Reciprocal Rank Fusion.
  2. Embeddings laufen lokal auf kleiner Hardware, Dokumente verlassen das Haus nicht; nur die ausgewählten Passagen gehen an das Antwortmodell.
  3. Zahlenfragen laufen über vordefinierte, parametrisierte Abfragen. Das Modell schreibt nie freies SQL.
  4. Alles wird an einem Evaluationsset gemessen: Recall@k, MRR, Treue zur Quelle, Latenz und Kosten pro Frage.

Was ich gelernt habe

  • In Arbeit. Die Arbeit vergleicht Stichwort-, Vektor-, hybride und gererankte Suche sowie Tokenizer für deutsche Komposita.

Repository

Repository folgt