Welke twee soorten zoekmethodologieën worden gecombineerd in deze implementatie?	Semantische zoekopdracht (Vector Index) en Lexicale zoekopdracht (BM25 Index).
Welke nieuwe klasse wordt gebruikt om de verschillende zoekfunctionaliteiten (zoals Vector Index en BM25) samen te voegen tot één pipeline?	De `Retriever` klasse.
Wat is de cruciale vereiste voor de individuele zoekimplementaties (zoals Vector Index en BM25) om ze eenvoudig te kunnen integreren in de Retriever?	Ze moeten een bijna identieke publieke API hebben (met methoden zoals `add document` en `search`).
Welke specifieke techniek wordt gebruikt om de resultaten van verschillende zoekmethodologieën te combineren?	Reciprocal Rank Fusion (RRF).
Wat is het doel van Reciprocal Rank Fusion (RRF)?	Het combineren en opnieuw rangschikken van zoekresultaten uit verschillende bronnen om de algehele relevantie te verbeteren.
Hoe wordt de score voor een tekstfragment berekend binnen Reciprocal Rank Fusion?	Door voor elke rangkolom de term $1 / (1 + \text{rang})$ toe te passen.
Wat is de laatste stap nadat de scores voor elk tekstfragment zijn berekend met RRF?	De tabel sorteren op basis van de score, van hoog naar laag.
Wat is het voordeel van het ontwerpen van elke zoekindex als een afzonderlijke klasse met een consistente API?	Het maakt het eenvoudig om nieuwe, compleet verschillende zoekfunctionaliteiten later toe te voegen aan de Retriever.