하이브리드 검색 수행 방법

상호 순위 결합 소개

상호 순위 융합은 서로 다른 검색 방법의 결과를 다음 작업을 통해 단일 결과 집합으로 결합하는 기술입니다.

1. 결과에서 문서의 상호 순위를 계산합니다.

   각 검색 결과에서 순위가 매겨진 각 문서에 대해 먼저 그 문서의 순위(r)에 상수 60을 더합니다. 이때 상수는 점수 평활화를 위한 값(rank_constant)입니다. 그리고 r과 rank_constant의 합으로 1을 나눕니다. 이렇게 계산하여 결과 내 해당 문서의 역순위 값을 구합니다. rank_constant의 값을 설정할 수 없으며 기본값은 60입니다.

   reciprocal_rank = 1 / ( r + rank_constant )

   각 검색 방법에 대해 서로 다른 가중치(w)를 적용하여 해당 검색 방법에 더 많은 중요성을 부여합니다. 각 문서에 대해 가중치가 적용된 상호 순위는 가중치에 문서의 상호 순위를 곱하여 계산됩니다.

   weighted_reciprocal_rank = w x reciprocal_rank

2. 결과에서 문서의 순위 도출 점수 및 가중치 점수를 결합합니다.

   모든 검색 결과의 각 문서에 해당 문서의 단일 점수에 대해 계산된 상호 순위를 추가합니다.

3. 결과에 있는 문서의 합산 점수를 기준으로 결과를 정렬합니다.

   결과 내 문서를 단일, 통합된 순위 목록으로 정렬하기 위해 결과 전반에 걸쳐 결합된 점수를 기준으로 문서를 정렬합니다.

다양한 하이브리드 검색 사용 사례

MongoDB Vector Search를 활용하여 여러 유형의 하이브리드 검색 수행할 수 있습니다. 구체적으로 MongoDB Vector Search는 다음 사용 사례를 지원합니다.

• 단일 쿼리 에서 전체 텍스트 및 벡터 검색 : 시맨틱 및 전체 텍스트 검색 과 같은 다양한 검색 방법의 결과를 결합할 수 있습니다. 시맨틱$vectorSearch $search 검색 에는 을,전체 텍스트 검색 결과에는 를 사용할 수 있으며, 상호 순위 통합 기술을 사용하여 결과를 결합할 수 있습니다. 자세한 학습 은 네임스페이스 에 대해 시맨틱 검색 및 전체 텍스트 검색 수행하고 sample_mflix.embedded_movies 역순위 통합을 사용하여 결합된 순위 결과를 조회 방법을 보여주는 MongoDB Vector Search 및 MongoDB Search를 사용한 하이브리드 검색 수행 튜토리얼을 참조하세요.

  또는 결과의 상대적 순서 외에도 점수가 중요한 보다 세분화된 하이브리드 검색 의 경우 $scoreFusion 파이프라인 단계를 사용할 수 있습니다. 자세한 학습 은 네임스페이스 에 대해 시맨틱 검색 및 sample_mflix.embedded_movies 전체 텍스트 검색 수행하고 입력 파이프라인 결과를 최종 점수 결과 설정하다 로 조회 방법을 보여주는 MongoDB Vector Search 및 MongoDB Search를 사용한 하이브리드 검색 수행 튜토리얼을 참조하세요.

  $rankFusion 는 상호 순위 통합 알고리즘 사용하여 입력 파이프라인에서 위치(상대적 순위)에 따라 문서의 순위를 매기는 반면, $scoreFusion 는 결과를 결합하는 수학적 표현식을 사용하여 입력 파이프라인에서 할당한 점수를 기준으로 문서의 순위를 매깁니다.

  $rankFusion에서 순위는 파이프라인 가중치의 영향을 받습니다. $scoreFusion에서 가중치는 최종 결과에 대한 각 파이프라인 점수의 기여도를 제어합니다.

• 단일 쿼리에서 여러 벡터 검색 쿼리 실행: MongoDB $rankFusion 파이프라인은 동일한 컬렉션에 대해 실행되는 벡터 검색 쿼리를 포함한 여러 하위 파이프라인을 지원하며 상호 순위 융합 기법으로 결과를 통합합니다. 여러 $vectorSearch 쿼리를 결합하는 방법 튜토리얼에서는 다음과 같은 유형의 벡터 검색을 다룹니다.

  • 동일한 쿼리 내에서 의미상 유사한 텀을 데이터셋 전체에 걸쳐 포괄적으로 검색합니다.

  • 데이터셋 내 여러 필드를 검색하여, 쿼리에 가장 적합한 결과를 반환하는 필드를 확인할 수 있습니다.

  • 서로 다른 임베딩 모델에서 생성된 임베딩을 사용하여 검색하고, 각 모델 간의 의미 해석 차이를 확인할 수 있습니다.

고려 사항

하이브리드 검색 에 $rankFusion 또는 $scoreFusion 파이프라인 단계를 사용하는 경우 다음 사항을 고려하세요.

제한 사항

$rankFusion 및 $scoreFusion를 사용하는 하이브리드 검색 에는 다음과 같은 제한 사항이 적용 .

• $rankFusion MongoDB 8.0 이상에서만 지원됩니다(자동 업그레이드가 포함된 최신 버전 포함).

  참고

  8.0.X 버전에서 $rankFusion 를 사용하려면 지원 사례 를 제출해야 합니다. 8.0에서 업그레이드 경우 $rankFusion 쿼리 실행을 일시 중지해야 할 수 있습니다.

• $rankFusion 및 $scoreFusion 하위 파이프라인에는 다음 단계만 포함될 수 있습니다.

  • $search

  • $vectorSearch

  • $match

  • $sort

  • $geoNear

• $rankFusion $scoreFusion 각 하위 파이프라인에 대해 원본 입력 문서 로 다시 추적 가능한 링크를 유지합니다. 따라서 다음은 지원 하지 않습니다.

  • $project 단계

  • storedSource 필드

• $rankFusion 및 $scoreFusion 하위 파이프라인이 병렬이 아닌 직렬로 실행 .

• $rankFusion $scoreFusion 은(는) 페이지 지원 하지 않습니다.

• rankFusion MongoDB 8.0 이상을 실행 클러스터의 뷰 에서만 실행 수 있습니다. 뷰 정의 또는 time series 컬렉션 에서는 rankFusion 를 실행 수 없습니다.

전제 조건

이 튜토리얼을 시도하려면 다음이 필요합니다.

• MongoDB 버전 v8.0 이상을 사용하는 클러스터 .

• 클러스터에 로드된 sample_mflix 데이터베이스.

• mongosh 클러스터 에서 쿼리를 시도합니다.

  참고

  Atlas CLI 사용하여 생성한 로컬 Atlas 배포 및 자체 관리( 온프레미스 ) 배포에서 이러한 하이브리드 검색 사용 사례를 시도할 수도 있습니다. 자세히 학습 로컬 Atlas 배포 만들기를 참조하세요.