$rerank 集計パイプライン ステージ

要件

$rerankを使用するには、次の手順です。

• Atlas UI Cluster Builder ページで Latest version with auto-upgrades を選択して、クラスターが MongoDB 8.3 以降で実行されていることを確認します。

• Project Settingsを使用してネイティブ再ランク付けを有効にします。詳しくは、ネイティブ再ランク付けを有効または無効にする を参照してください。

制限

$rerank ステージは使用できません。

• 自己管理型または Atlas Local 配置の場合。

• $rankFusion または $scoreFusion 入力パイプライン用。

• ビューに対するクエリの場合。

  View 上に MongoDB Search または MongoDB Vector Search インデックスがある場合は、View の代わりにソース コレクションで .aggregate() を実行してインデックスをクエリします。

動作

$rerank はパイプラインのどこにでも表示されます。ただし、MongoDBでは、既にソートされた順序で関連するドキュメントを返す$searchや$vectorSearchのようなステージの後に$rerankを使用することをお勧めします。

$rerank は再ランク付けされ、 ステージに渡される最初の numDocsToRerank ドキュメントを返します。$rerank が最初のステージであるか、その前のステージで明確にソートされた結果が返されない場合、$rerank に使用されるドキュメントはクエリ間で変更される可能性があります。

$rerank path で指定されたフィールドのいずれかが 1 つ以上の入力ドキュメントに存在しない場合、エラーが返されます。これを軽減するには、次のものを使用します。

• $set ステージでは、不足しているフィールドを空のstringに設定します。

• $match ステージでは、フィールドが不足しているドキュメントをフィルターします。

クエリ

query.textフィールドは、リランカー モデルが各ドキュメントのスコアを計算する方法を決定します。指定されたVoyage リランカー モデルは、指定されたpathでクエリ テキストと各ドキュメントのコンテンツの間の関連度スコアを計算します。ほとんどのユースケースでは、$rerank.query.textを前の$searchまたは$vectorSearchステージのクエリと同じまたは類似したテキストに設定します。

スコアリング

score 変数と $meta 式を組み合わせて、$rerank ステージの結果内の各ドキュメントのスコアを取得します。

{
  "$addFields": {
    "rerankScore": { "$meta": "score" }
  }
}

$rerank ステージでは、$meta: "score" の値が新しいスコアに置き換えられます。$rankFusion のように先行するステージの値を保持するには、$rerank ステージの前の名前付きフィールドにスコアをプロジェクトします。

{
  "$addFields": {
    "originalRankFusionScore": { "$meta": "score" }
  }
},
{
  "$rerank": {
    ...
  }
},
{
  "$addFields": {
    "rerankScore": { "$meta": "score" }
  }
}

パフォーマンスと精度

$rerank ステージは、再ランクするフィールド、再ランクするドキュメントの数、クエリ テキストなどの入力のサイズに応じて、計算コストが高くなる可能性があります。$rerank は、クエリ時にクエリとドキュメントを合わせて処理します。したがって、$rerank は、$search や $vectorSearch のインデックスなど、インデックスによる関連性検索よりも低速になる可能性があります。正確性とパフォーマンスのバランスを取るには、numDocsToRerank と path を構成して入力サイズを制限します。$rerank は、Atlas クラスター リソース上で Voyage AI 再ランクモデルを実行しません。

$rerank RAG やエージェント AI アプリケーションなど、超低レイテンシが優先されるよりも取得品質が優先されるワークロードに最適です。超低レイテンシが必要なワークロードの場合、MongoDB は $search や $vectorSearch のようなインデックスを利用した検索ステージの使用をお勧めします。