$rerank$rerankステージは、Voyage AI の再ランクモデルを使用して入力ドキュメントの順序を変更し、クエリに対する関連性に基づいてソートされた同じドキュメントを返します。$rerankステージは、集計パイプライン内のどこにでも表示できます。MongoDB は、$vectorSearch、$search、$rankFusion、または$scoreFusionステージの後に$rerankを使用することをお勧めします。
構文
$rerankパイプラインステージの構文は 次のとおり です。
{ "$rerank": { "query": { "text": "<query-text>" }, "path": "<text-field-name>", "numDocsToRerank": <number-of-documents-to-rerank>, "model": "<reranker-model>" }}フィールド
$rerankステージは、次のフィールドを持つドキュメントを取得します。
フィールド | タイプ | 必要性 | 説明 |
|---|---|---|---|
| オブジェクト | 必須 | 再ランク付けに使用するクエリ。 |
| 文字列 | 必須 | 再ランク付けに使用するクエリテキスト。例、以下のように指定できます。
|
| 文字列または複数の文字列の配列 | 必須 | |
| Int | 必須 | 再ランク付けおよび結果で返されるために投票AIに送信するドキュメントの最大数。ドキュメントは、パイプラインに定義されたドキュメント順序に基づいて選択されます。 最大値は |
| オブジェクト | 必須 | ドキュメントを再ランクするために使用する Voyage AI モデル。値は次のいずれかのモデルになります。
|
Considerations
$rerank を使用する前に、要件、制限、$rerank の動作を確認してください。
要件
$rerankを使用するには、次の手順です。
クラスターが MongoDB 9.0 以降を実行し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。
rerank-3 および rerank-3-lite モデルには、以下の追加要件があります。
- クラスターは、MongoDB 9.0 以降を実行している専有クラスター（
M10以上）である必要があります。
これらのモデルのサポート状況については、「現在のモデルステータス」を学ぶ。
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。クライアント側のフィールドレベル暗号化またはQueryable Encryptionを使用する場合。
$rerankを含むパイプラインは、Unrecognized pipeline stage name: '$rerank'のようなエラーで失敗します。この制限は、暗号化されたフィールドがないコレクションを含むすべてのコレクション、および
$unionWithなどのサブパイプライン内での$rerankの使用に適用されます。
rerank-3 モデルと rerank-3-lite モデルには、以下の追加の制限があります。
MongoDB 9.0以降を実行している専有クラスター（
M10以上）でのみ利用可能です。Free クラスター (
M0) または Flex クラスターではまだ利用できません。
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。
$rerank が強制するメモリ制限と、リクエストが制限を超えた場合に返されるエラーの詳細については、「$rerank リクエストがメモリ制限エラーで失敗する」を参照してください。
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。
例: パイプラインへの Rerank スコアの追加
{ "$addFields": { "rerankScore": { "$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。
例: 前のステージのスコアを保持する
{ "$addFields": { "originalRankFusionScore": { "$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 $vectorSearch のようなインデックスを利用した検索ステージの使用をお勧めします。
例
次の例は、$rerank ステージを使用して、Vyage AIリランクモデルに基づいて sample_mflix.embedded_moviesコレクション内のドキュメントを順序付けする方法を示しています。クエリは、$matchステージの後に $rerank を使用して、rerank-2.5 リランク モデルを使用してドキュメントを並べ替えます。次の集計パイプラインでは、 は次のようになります。
$matchステージでは、ドキュメントをフィルタリングして、plotフィールドが string 型のドキュメントのみを含めます。$sortステージでは、ドキュメントをreleasedフィールドの降順でソートし、確実な順序付けを確保します。$rerankステージでは、rerank-2.5リランク モデルを使用して、クエリに一致するようにドキュメントが並べ替えられます。$addFieldsステージはドキュメントにrerankScoreという名前のフィールドを追加します。
db.embedded_movies.aggregate([ { "$match": { "plot": { "$exists": true, "$type": "string" } } }, { "$sort": { "released": -1 } }, { "$rerank": { "model": "rerank-2.5", "query": { "text": "a group of heroes band together to stop a powerful enemy and save the world" }, "numDocsToRerank": 100, "path": ["title", "plot"] } }, { "$addFields": { "rerankScore": { "$meta": "score" } } }, { "$limit": 10 }, { "$project": { "_id": 0, "title": 1, "plot": 1, "rerankScore": 1 } }])