Lab RAG: Chunking, Indeks, dan Hit@k
Jalankan dari dalam folder ini:
pip install pdfplumber scikit-learn numpy matplotlib reportlab pillow
python buat_dokumen_contoh.py # opsional: buat 3 PDF contoh di dokumen/
python lab1_chunking.py # -> Lab1_Eksperimen_Chunking.pdf
python lab2_indeks_cari.py # -> Lab2_Indeks_dan_Pencarian.pdf
python lab3_hit_at_k.py # -> Lab3_Hit_at_k.pdf
Untuk memakai PDF sendiri: taruh di dokumen/, lalu ubah PDF di lab1, PERTANYAAN/PARAFRASE di lab2, dan SOAL (15 pertanyaan + kata kunci) di lab3.
Embedding: otomatis memakai sentence-transformers (paraphrase-multilingual-MiniLM-L12-v2) bila terpasang; jika tidak, memakai LSA (TF-IDF n-gram karakter + SVD) yang berjalan offline.