AI 에이전트의 경우: 문서 인덱스는 https://www.mongodb.com/ko-kr/docs/llms.txt에서 사용할 수 있으며, 모든 페이지의 마크다운 버전은 어떤 URL 경로에 .md를 추가하여 사용할 수 있습니다.
Docs Menu
Docs Home
/
개발
/
Vector Search
Docs Home
/
개발
/
Vector Search
Docs Home
/
개발
/
Vector Search

$rerank 집계 파이프라인 단계

$rerank

$rerank 단계는Voyage AI의 순위 재지정 모델을 사용하여 입력 문서를 다시 정렬하고 쿼리 와의 관련성에 따라 정렬된 동일한 문서를 반환합니다. $rerank 단계는 집계 파이프라인 의 어느 곳에나 나타날 수 있습니다. MongoDB $vectorSearch, $search, $rankFusion 또는 $scoreFusion 단계 이후에 $rerank를 사용할 것을 권장합니다.

구문

$rerank 파이프라인 단계의 구문은 다음과 같습니다.

{
  "$rerank": {
    "query": {
      "text": "<query-text>"
    },
    "path": "<text-field-name>",
    "numDocsToRerank": <number-of-documents-to-rerank>,
    "model": "<reranker-model>"
  }
}

필드

$rerank 단계에서는 다음 필드가 있는 문서를 사용합니다.

필드
유형
필요성
설명

query

객체

필수 사항

순위 재지정에 사용할 쿼리입니다.

query.
text

문자열

필수 사항

순위 재지정에 사용할 쿼리 텍스트입니다. 예시 를 들어 다음을 지정할 수 있습니다.

  • 검색 대상

  • 문서 에서 가장 관련성이 높은 필드

  • 모호한 쿼리를 명확히 하기 위한 보완 정보

path

문자열 또는 문자열 배열

필수 사항

순위 재지정에 사용할 필드의 경로입니다. $rerank 이 중간 단계인 경우 이전 단계의 결과에서 필드 지정합니다.

참고: path에 지정된 필드가 존재하지 않으면 $rerank 쿼리 실패합니다. 이전 $match 단계를 사용하여 누락된 필드가 있는 문서를 필터하다 하거나 $set를 사용하여 누락된 필드를 ""로 설정하다 .

numDocsToRerank

Int

필수 사항

순위를 재지정하고 결과에 반환하기 위해 Voyage AI 로 보낼 최대 문서 수입니다. 문서는 파이프라인에 정의된 문서 순서에 따라 선택됩니다.

최대값은 1000 이하여야 합니다.

model

객체

필수 사항

문서의 순위를 재지정하는 데 사용하는 Voyage AI 모델입니다. 값은 다음 모델 중 하나일 수 있습니다.

  • rerank-3 - 최고 정확도의 generalist reranker입니다. 대부분의 애플리케이션에 권장됩니다.

  • rerank-3-lite - 지연 시간에 민감한 애플리케이션에 최적화된 빠르고 비용 효율적인 reranker입니다.

  • rerank-2.5 - 안내에 따른 지침 및 다국어 지원 통해 품질에 최적화된 Generalist reranker입니다.

  • rerank-2.5-lite - 지침 준수 및 다국어 지원 통해 지연 시간 과 품질 모두에 최적화된 Generalist reranker입니다.

  • rerank-2 - 레거시 모델.

  • rerank-2-lite - 레거시 모델.

rerank-3 및 rerank-3-lite 모델은 Preview 기능 으로 사용할 수 있으며, MongoDB 9.0 이상 실행 전용 클러스터 필요합니다. 자세히 학습 요구 사항을 참조하세요.

고려 사항

$rerank을 사용하기 전에 요구 사항, 제한 사항 및 $rerank 동작을 검토하세요.

요구 사항:

$rerank 사용 방법:

rerank-3 및 rerank-3-lite 모델에는 다음과 같은 추가 요구 사항이 있습니다.

  • 클러스터 는 MongoDB 9.0 이상 실행 전용 클러스터 (M10 이상)여야 합니다.

이러한 모델의 지원 상태에 대해 학습 현재 모델 상태를 참조하세요.

제한 사항

$rerank 단계를 사용할 수 없습니다.

  • 자체 관리형 또는 Atlas Local 배포서버에 적용됩니다.

  • $rankFusion 또는 $scoreFusion 입력 파이프라인의 경우.

  • 뷰에대한 쿼리의 경우.

    View에 MongoDB Search 또는 MongoDB 벡터 검색 인덱스가 있는 경우 View 대신 소스 컬렉션에서 .aggregate() 을 실행하여 인덱스를 쿼리합니다.

rerank-3 및 rerank-3-lite 모델에는 다음과 같은 추가 제한 사항이 있습니다.

  • MongoDB 9.0 이상을 실행 전용 클러스터(M10 이상)에서만 사용할 수 있습니다.

  • 무료 클러스터(M0) 또는 Flex 클러스터에서는 아직 사용할 수 없습니다.

행동

$rerank는 파이프라인 의 어느 곳에나 나타날 수 있습니다. 그러나 MongoDB $search 또는 $vectorSearch와 같이 이미 관련 문서를 정렬된 순서로 반환하는 단계 이후에 $rerank을 사용할 것을 권장합니다.

$rerank 단계로 전달된 첫 numDocsToRerank 개 문서의 순위를 재지정하고 반환합니다. $rerank 이 첫 번째 단계이거나 이전 단계가 결정론적으로 정렬된 결과를 반환하지 않는 경우 $rerank 에 사용된 문서가 쿼리 간에 변경될 수 있습니다.

$rerank path 에 지정된 필드 중 하나 이상의 입력 문서에 없는 경우 오류를 반환합니다. 이를 완화하려면 다음을 사용합니다.

  • $set 단계를 사용하여 누락된 필드를 빈 string으로 설정합니다.

  • $match 필드가 없는 문서를 필터링하는 단계입니다.

쿼리

query.text 필드 리랭커 모델이 각 문서 점수를 매기는 방법을 결정합니다. 지정된 Voyage reranker 모델은 쿼리 텍스트와 지정된 path에 있는 각 문서 의 내용 간의 관련성 점수를 계산합니다. 대부분의 사용 사례에서는 $rerank.query.text을 이전 $search 또는 $vectorSearch 단계의 쿼리 와 동일하거나 유사한 텍스트로 설정하다 .

득점

score 변수를 $meta 표현식 과 함께 사용하여 $rerank 단계의 결과에서 각 문서 의 점수를 조회 합니다.

예시: 파이프라인에 재순위 점수 추가
{
  "$addFields": {
    "rerankScore": { "$meta": "score" }
  }
}

$rerank 단계에서는 $meta: "score" 값을 새 점수로 대체합니다. $rankFusion와 같은 이전 단계의 값을 보존하려면 점수를 $rerank 단계 이전의 명명된 필드에 프로젝트 할 수 있습니다.

예시: 이전 단계의 점수 보존
{
  "$addFields": {
    "originalRankFusionScore": { "$meta": "score" }
  }
},
{
  "$rerank": {
    ...
  }
},
{
  "$addFields": {
    "rerankScore": { "$meta": "score" }
  }
}

성능 및 정확성

$rerank 단계는 순위를 다시 매길 필드와 같은 입력의 크기, 순위를 바꿀 문서 수, 쿼리 텍스트에 따라 계산 비용이 많이 들 수 있습니다. $rerank는 쿼리 시점에 쿼리와 문서를 공동으로 처리합니다. 따라서 $rerank는 $search 또는 $vectorSearch 에 대한 인덱스와 같이 인덱스 기반 관련성 검색 보다 느릴 수 있습니다. 정확도와 성능의 균형을 맞추려면 numDocsToRerank 및 path를 구성하여 입력 크기를 제한하세요. $rerank은(는) Atlas cluster 리소스에서Voyage AI reranking 모델을 실행 하지 않습니다.

$rerank RAG 및 에이전틱 AI 애플리케이션과 같이 최소한 지연 시간보다 검색 품질이 우선시되는 워크로드에 가장 적합합니다. 최소한 지연 시간이 필요한 워크로드의 경우 MongoDB는 $search 또는 $vectorSearch과 같이 인덱스 기반 검색 단계를 사용할 것을 권장합니다.

예시

다음 예시 $rerank 단계를 사용하여 Voyage AI reranker 모델을 기반으로 sample_mflix.embedded_movies 컬렉션 의 문서를 재정렬하는 방법을 보여줍니다. 이 쿼리 $match 단계 이후에 $rerank를 사용하여 rerank-2.5 reranker 모델을 사용하여 문서를 재정렬합니다. 다음 집계 파이프라인 에서:

  • $match 단계는 string 유형의 plot 필드 있는 문서만 포함하도록 문서를 필터링합니다.

  • $sort 단계는 결정론적 순서를 보장하기 위해 released 필드 의 내림차순으로 문서를 정렬합니다.

  • $rerank 이 단계에서는 rerank-2.5 reranker 모델을 사용하여 쿼리 와 일치하도록 문서를 재정렬합니다.

  • $addFields 단계는 문서에 rerankScore 이라는 필드 추가합니다.

1db.embedded_movies.aggregate([
2  {
3    "$match": {
4      "plot": { "$exists": true, "$type": "string" }
5    }
6  },
7  {
8    "$sort": { "released": -1 }
9  },
10  {
11    "$rerank": {
12      "model": "rerank-2.5",
13      "query": {
14        "text": "a group of heroes band together to stop a powerful enemy and save the world"
15      },
16      "numDocsToRerank": 100,
17      "path": ["title", "plot"]
18    }
19  },
20  {
21    "$addFields": {
22      "rerankScore": { "$meta": "score" }
23    }
24  },
25  { "$limit": 10 },
26  {
27    "$project": {
28      "_id": 0,
29      "title": 1,
30      "plot": 1,
31      "rerankScore": 1
32    }
33  }
34])
이 페이지 평가하기

이 페이지의 내용