$rankFusion (집계)

$rankFusion 및 $scoreFusion 단계는 미리보기 기능으로 사용할 수 있습니다. 자세한 학습 은 미리보기 기능을 참조하세요.

중요

$rankFusion MongoDB 8.0 이상을 사용하는 배포서버에만 사용할 수 있습니다.

정의

$rankFusion

$rankFusion 먼저 모든 입력 파이프라인을 독립적으로 실행한 다음 입력 파이프라인 결과를 중복 제거하고 최종 순위가 지정된 결과 설정하다 로 결합합니다.

$rankFusion 입력 문서가 입력 파이프라인에 나타나는 순위와 파이프라인 가중치를 기반으로 순위가 지정된 문서 설정하다 출력합니다. 이 단계에서는 상호 순위 퓨전 알고리즘 사용하여 입력 파이프라인의 결합된 결과의 순위를 매깁니다.

여러 기준을 기반으로 단일 컬렉션 에서 문서를 검색 하고 지정된 모든 기준을 고려하여 최종 순위가 설정하다 결과 집합을 조회 $rankFusion 를 사용합니다.

구문

이 단계에는 다음 구문이 있습니다.

{ $rankFusion: {
    input: {
         pipelines: {
             <myPipeline1>: <expression>,
             <myPipeline2>: <expression>,
             ...
         }
     },
     combination: {
         weights: {
             <myPipeline1>: <numeric expression>,
             <myPipeline2>: <numeric expression>,
             ...
         }
     },
     scoreDetails: <bool>
 } }

명령 필드

$rankFusion 은(는) 다음 필드를 사용합니다.

필드	유형	설명
`input`	객체	`$rankFusion` 의 순위를 매기는 입력을 정의합니다.
`input.pipelines`	객체	해당 파이프라인 정의하는 집계 단계에 대한 파이프라인 이름 맵이 포함되어 있습니다. `input.pipelines` 에는 파이프라인 하나 이상 포함되어야 합니다. 모든 파이프라인은 동일한 컬렉션 에서 작동해야 하며 고유한 이름을 가져야 합니다. 입력 파이프라인 제한 사항에 대한 자세한 내용은 입력 파이프라인 및 입력 파이프라인 이름을 참조하세요.
`combination`	객체	선택 사항. `input` 파이프라인 결과를 결합하는 방법을 정의합니다.
`combination.weights`	객체	선택 사항. `input` 파이프라인 이름에서 다른 파이프라인을 기준으로 한 해당 가중치의 맵을 포함합니다. 각 가중치 값은 음수가 아닌 숫자(정수 또는 소수)여야 합니다. 가중치를 지정하지 않으면 기본값 은 1입니다.
`scoreDetails`	부울	기본값은 false입니다. `$rankFusion` 가 각 출력 문서 에 대해 `$scoreDetails` 메타데이터 필드 계산하고 채울지 여부를 지정합니다. 이 필드에 대한 자세한 내용은 점수 세부 정보 를 참조하세요.

행동

컬렉션

$rankFusion 는 단일 컬렉션 에만 사용할 수 있습니다. 데이터베이스 범위에서는 이 집계 단계를 사용할 수 없습니다.

De-Duplication

$rankFusion 최종 출력에서 여러 입력 파이프라인에서 결과의 중복을 제거합니다. 각 고유 입력 문서 입력 파이프라인 출력에 문서 나타나는 횟수에 관계없이 $rankFusion 출력에 최대 한 번 표시됩니다.

입력 파이프라인

각 input 파이프라인 선택 파이프라인과 순위 파이프라인 모두여야 합니다.

선택 파이프라인

선택 파이프라인은 검색 후 수정을 수행하지 않고 컬렉션 에서 문서 설정하다 검색합니다. $rankFusion 은(는) 서로 다른 입력 파이프라인의 문서를 비교하므로 모든 입력 파이프라인이 수정되지 않은 동일한 문서를 출력해야 합니다.

참고

$rankFusion로 검색 한 문서를 수정하려면 $rankFusion 단계 이후에 수정하세요.

선택 파이프라인 다음 단계만 포함되어야 합니다.

유형	단계
검색 단계	`$match`, 레거시 텍스트 검색 포함된 `$match` 포함 `$search` `$vectorSearch` `$sample` `$geoNear` 참고 선택 파이프라인 에서 `$geoNear` 를 사용하는 경우 `includeLogs` 또는 `distanceField` 필드가 문서를 수정하므로 지정할 수 없습니다.
주문 단계	`$sort`
페이지 매김 단계	`$skip` `$limit`

순위 지정 파이프라인

순위가 지정된 파이프라인 문서를 정렬하거나 순서를 지정합니다. $rankFusion 은(는) 순위가 매겨진 파이프라인 결과의 순서를 사용하여 출력 순위에 영향을 줍니다. 순위가 매겨진 파이프라인은 다음 기준 중 하나를 충족해야 합니다.

다음의 순서가 지정된 단계 중 하나부터 시작합니다.
명시적인 $sort 단계를 포함합니다.

입력 파이프라인 이름

input 의 파이프라인 이름은 다음 제한 사항을 충족해야 합니다.

빈 문자열이 아니어야 합니다.
다음으로 시작하면 안 됩니다. $
문자열의 어느 곳에도 ASCII null 문자 구분 기호 \0 를 포함하지 않아야 합니다.
다음을 포함해서는 안 됩니다. .

RRF(Reciprocal Rank 퓨전) 공식

$rankFusion RRF(Reciprocal Rank Federation) 공식에 따라 결과를 정렬합니다. 이 단계에서는 각 문서 의 RRF 점수를 출력 결과의 score 메타데이터 필드 에 배치합니다. RRF 공식은 다음 요소를 조합하여 문서의 순위를 매깁니다.

입력 파이프라인 결과의 문서 배치
문서 다양한 입력 파이프라인에 나타나는 횟수
입력 파이프라인의 weights 입니다.

예시 를 들어, 문서 여러 파이프라인 결과 세트에서 높은 순위를 가진 경우, 해당 문서 의 RRF 점수는 동일한 문서 일부 입력 파이프라인에서 순위가 동일하지만 존재하지 않는 경우(또는 순위가 더 낮은 경우)보다 높습니다. 다른 파이프라인에서

RRF(Reciprocal Rank Federation) 공식은 다음 대수 연산과 동일합니다.

클릭하여 확대

참고

이 수식에서 60 은 MongoDB 결정한 민감도 매개 변수입니다.

아래 표에는 RRF 공식이 사용하는 변수가 포함되어 있습니다.

변수	설명
D	전체 작업에 대한 결과 문서 설정하다 .
d	RRF 점수가 계산되는 문서 입니다.
R	`d` 가 표시되는 입력 파이프라인의 순위 설정하다 .
r(d)	이 입력 파이프라인 에 있는 문서 `d` 의 순위입니다.
w	`d` 가 표시되는 입력 파이프라인 의 가중치입니다.

요약의 각 텀 는 input 파이프라인 중 하나에 있는 문서 d 의 모양을 나타냅니다. d 의 총 RRF 점수는 d 가 나타나는 모든 입력 파이프라인에서 이러한 각 용어의 합계입니다.

RRF 계산 예제

하나의 $search 입력 파이프라인과 하나의 $vectorSearch 입력 파이프라인 있는 $rankFusion 파이프라인 단계를 생각해 보세요.

모든 입력 파이프라인은 동일한 3 문서( Document1, Document2, Document3)를 출력합니다.

$search 파이프라인 다음 순서로 문서의 순위를 지정합니다.

Document3
Document2
Document1

$vectorSearch 파이프라인 다음 순서로 문서의 순위를 지정합니다.

Document1
Document2
Document3.

rankFusion 다음 연산을 통해 Document1 에 대한 RRF 점수를 계산합니다.

RRFscore(Document1) = 1/(60 + search_rank_of_Document1) + (1/(60 + vectorSearch_rank_of_Document1))
RRFscore(Document1) = 1/63 + 1/61
RRFscore(Document1) = 0.0322664585

Document1 의 score 메타데이터 필드 0.0322664585입니다.

점수 상세 정보

scoreDetails 을(를) true(으)로 설정하다 $rankFusion 이(가) 각 문서 에 대해 scoreDetails 메타데이터 필드 생성합니다. scoreDetails 필드 에는 최종 순위에 대한 정보가 포함되어 있습니다.

참고

scoreDetails 를 true로 설정하다 $rankFusion 가 각 문서 에 대해 scoreDetails 메타데이터 필드 설정하지만 scoreDetails 메타필드를 자동으로 출력하지는 않습니다.

scoreDetails 메타데이터 필드 보려면 다음 중 하나를 수행해야 합니다.

$rankFusion 다음에 $project 단계를 사용하여 scoreDetails 필드 프로젝트.
$rankFusion 다음에 $addFields 단계를 사용하여 파이프라인 출력에 scoreDetails 필드 추가합니다.

scoreDetails 필드 에는 다음과 같은 하위 필드가 포함되어 있습니다.

필드	설명
`value`	이 문서에 대한 RRF 점수의 숫자 값입니다.
`description`	`$rankFusion` 에서 RRF 점수를 계산한 방법에 대한 설명입니다.
`details`	각 배열 항목에 이 문서 출력하는 입력 파이프라인에 대한 정보가 포함된 배열 입니다.

details 필드 의 각 배열 항목에는 다음 하위 필드가 포함되어 있습니다.

필드	설명
`inputPipelineName`	이 문서 출력하는 입력 파이프라인 의 이름입니다.
`rank`	입력 파이프라인 에서 이 문서 의 순위입니다. 다른 파이프라인 단계 출력에서 반환된 문서 이 파이프라인 단계의 출력에 없는 경우 파이프라인 단계 출력의 순위는 `N/A` 입니다.
`weight`	입력 파이프라인 의 가중치입니다.
`value`	선택 사항. 입력 파이프라인 이 문서 에 대해 `{ $meta: 'score' }` 를 출력하면 `value` 에 `{ $meta: 'score' }`가 포함됩니다.
`description`	선택 사항. 입력 파이프라인 이 문서 에 대한 `scoreDetails` 의 일부로 `description` 필드 출력하는 경우 `details.description` 에는 해당 필드 값이 포함됩니다.
`details`	입력 파이프라인 의 `scoreDetails` 필드 . 입력 파이프라인 `scoreDetails` 필드 출력하지 않는 경우 이 필드 빈 배열 입니다.

경고

MongoDB scoreDetails에 대한 특정 출력 형식을 보장하지 않습니다.

예시 들어 다음 코드 블록은 $search, $vectorSearch 및 $match 입력 파이프라인이 있는 $rankFusion 작업에 대한 scoreDetails 필드 보여줍니다.

{
   value: 0.030621785881252923,
   description: "value output by reciprocal rank fusion algorithm, computed as sum of weight * (1 / (60 + rank)) across input pipelines from which this document is output, from:"
   details: [
         {
            inputPipelineName: 'search',
            rank: 2,
            weight: 1,
            value: 0.3876491287,
            description: "sum of:",
            details: [... omitted for brevity in this example ...]
         },
         {
            inputPipelineName: 'vector',
            rank: 9,
            weight: 3,
            value: 0.7793490886688232,
            details: [ ]
         },
         {
            inputPipelineName: 'match',
            rank: 10,
            weight: 1,
            details: []
         }
   ]
 }

결과 설명

MongoDB $rankFusion 연산을 기존 집계 단계 설정하다 로 변환하여, 이를 조합하여 쿼리 실행 전에 출력 결과를 계산합니다. 결과 설명 $rankFusion 작업에 대한 결과 설명은 $rankFusion 가 최종 결과를 구성하는 데 사용하는 기본 집계 단계의 전체 실행을 보여줍니다.

예시

이 예시 임베딩 및 텍스트 필드가 있는 컬렉션 사용합니다. 컬렉션 에 search 및 vectorSearch 유형 인덱스를 만듭니다.

다음 인덱스 정의는 인덱싱된 필드에 대해 쿼리를 실행 위해 컬렉션 에서 동적으로 인덱싱할 수 있는 모든 필드를 자동으로 인덱싱합니다.$search

검색 인덱스

db.embedded_movies.createSearchIndex(
   "search_index",
   {
      mappings: { dynamic: true }
   }
)

다음 인덱스 정의는 해당 필드에 대해 $vectorSearch 쿼리를 실행하기 위해 컬렉션의 임베딩이 있는 필드를 인덱싱합니다.

vectorSearch 인덱스

db.embedded_movies.createSearchIndex(
   "vector_index",
   "vectorSearch",
   {
      "fields": [
         {
            "type": "vector",
            "path": "<FIELD_NAME>",
            "numDimensions": <NUMBER_OF_DIMENSIONS>,
            "similarity": "dotProduct"
         }
      ]
   }
);

다음 집계 파이프라인 다음 입력 파이프라인과 함께 $rankFusion 을(를) 사용합니다.

파이프라인	반환된 문서 수	설명
`searchOne`	20	임베딩으로 지정된 텀 에 대해 `vector` 유형으로 인덱싱된 필드 에서 벡터 검색 실행합니다. 이 쿼리 최대 500 개의 가장 가까운 이웃을 고려하지만 결과를 20 개의 문서로 제한합니다.
`searchTwo`	20	동일한 텀 에 대해 전체 텍스트 검색 실행하고 결과를 20 개 문서로 제한합니다.

1 db.embedded_movies.aggregate( [
2    {
3       $rankFusion: {
4          input: {
5             pipelines: {
6                searchOne: [
7                   {
8                      "$vectorSearch": {
9                         "index": "<INDEX_NAME>",
10                         "path": "<FIELD_NAME>",
11                         "queryVector": <QUERY_EMBEDDINGS>,
12                         "numCandidates": 500,
13                         "limit": 20
14                      }
15                   }
16                ],
17                searchTwo: [
18                   {
19                      "$search": {
20                         "index": "<INDEX_NAME>",
21                         "text": {
22                            "query": "<QUERY_TERM>",
23                            "path": "<FIELD_NAME>"
24                         }
25                      }
26                   },
27                   { "$limit": 20 }
28                ],
29             }
30          }
31       }
32    },
33    { $limit: 20 }
34 ] )

이 작업은 다음 조치를 수행합니다.

input 파이프라인을 실행합니다.
반환된 결과를 결합합니다.
$rankFusion 파이프라인 의 상위 20 순위 결과인 첫 번째 20 문서를 출력합니다.

이 페이지의 Node.js 예제에서는 Atlas 샘플 데이터 세트의 sample_mflix 데이터베이스 사용합니다. 무료 MongoDB Atlas cluster 생성하고 샘플 데이터 세트를 로드하는 방법을 학습하려면 MongoDB Node.js 운전자 설명서에서 시작하기 를 참조하세요.

MongoDB Node.js 운전자 사용하여 집계 파이프라인 에 $rankFusion 단계를 추가하려면 파이프라인 객체 에서 $rankFusion 연산자 사용합니다.

다음 예시 실행 전에 default이라는 이름의 Atlas Search 인덱스 만들어야 합니다. 애플리케이션 에 다음 코드를 포함하여 movies 컬렉션 에 검색 인덱스 생성합니다.

const index = {
  name: "default",
  definition: {
    mappings: { dynamic: true }
  }
}
const result = collection.createSearchIndex(index);

다음 예시 default 검색 인덱스 사용하여 $search 작업을 수행하는 두 파이프라인 searchPlot 및 searchGenre를 실행하는 파이프라인 단계를 만듭니다. 그런 다음 $rankFusion 단계에서는 각 $search 파이프라인에 할당된 가중치를 기준으로 검색 결과의 순위를 지정하고 정렬된 결과를 반환합니다. $addFields 단계에는 반환 문서에 scoreDetails 필드 포함되어 있습니다. 그런 다음 이 예시 에서는 집계 파이프라인 실행합니다.

const pipeline = [
  {
    $rankFusion: { 
      input: {
        pipelines: {
          searchPlot: [
            {
              $search: {
                index: "default",
                text: { query: "space", path: "plot"}
              }
            }
          ],
          searchGenre: [
            {
              $search: {
                index: "default",
                text: { query: "adventure", path: "genres" }
              }
            }
          ] 
        }
      },
      combination: { weights: {searchPlot: 0.6, searchGenre: 0.4} },
      scoreDetails: true                  
    }
  },
  { $addFields: { scoreDetails: { $meta: "searchScoreDetails" } } }
];
          
const cursor = collection.aggregate(pipeline);  
return cursor;

돌아가기

로그 출력 토글

$redact

1	db.embedded_movies.aggregate( [
2	{
3	$rankFusion: {
4	input: {
5	pipelines: {
6	searchOne: [
7	{
8	"$vectorSearch": {
9	"index": "<INDEX_NAME>",
10	"path": "<FIELD_NAME>",
11	"queryVector": <QUERY_EMBEDDINGS>,
12	"numCandidates": 500,
13	"limit": 20
14	}
15	}
16	],
17	searchTwo: [
18	{
19	"$search": {
20	"index": "<INDEX_NAME>",
21	"text": {
22	"query": "<QUERY_TERM>",
23	"path": "<FIELD_NAME>"
24	}
25	}
26	},
27	{ "$limit": 20 }
28	],
29	}
30	}
31	}
32	},
33	{ $limit: 20 }
34	] )