Reranking

Reranking（重排序）是一种通过使用专用的重排序模型对搜索结果进行重新评估和排序，以提升结果相关性和准确性的技术。

搜索过程分为两个阶段：

1. 初始搜索：向量搜索从集合中识别出最相似的前 k 个文档。
2. 重排序：重排序模型根据查询与这些 k 个文档之间的相关性进行评估，并重新排序，生成最终的前 n 个结果（其中 n ≤ k）。

这种两阶段搜索方法能显著提升文档的相关性和准确性。

基本用法

pytidb 是 TiDB 官方的 Python SDK，旨在帮助开发者高效构建 AI 应用。

pytidb 提供了 Reranker 类，让你可以使用来自多个第三方提供商的重排序模型。

1. 创建一个重排序实例：

   from pytidb.rerankers import Reranker
   
   reranker = Reranker(model_name="{provider}/{model_name}")
   

2. 通过 .rerank() 方法应用重排序：

   table.search("{query}").rerank(reranker, "{field_to_rerank}").limit(3)
   

支持的提供商

以下示例展示了如何使用第三方提供商的重排序模型。

Jina AI

要使用 Jina AI 的重排序器，请前往其 官网 创建 API 密钥。

例如：

jinaai = Reranker(
    # 使用 `jina-reranker-m0` 模型
    model_name="jina_ai/jina-reranker-m0",
    api_key="{your-jinaai-api-key}"
)