快速入门

重排序是根据某些标准对项目列表进行重新排列的过程。在搜索场景中，重排序用于根据特定标准对搜索引擎返回的搜索结果进行重新排序。当搜索结果的初始排序不尽如人意，或用户提供了可用于改进搜索结果排序的附加信息时，这一技术尤为有用。

LanceDB内置了一些重新排序器。LanceDB中可用的部分重新排序器包括：

重排序器	描述	支持的查询类型
`LinearCombinationReranker`	Reranks search results based on a linear combination of FTS and vector search scores	Hybrid
`CohereReranker`	Uses cohere Reranker API to rerank results	Vector, FTS, Hybrid
`CrossEncoderReranker`	Uses a cross-encoder model to rerank search results	Vector, FTS, Hybrid
`ColbertReranker`	Uses a colbert model to rerank search results	Vector, FTS, Hybrid
`OpenaiReranker`(Experimental)	Uses OpenAI's chat model to rerank search results	Vector, FTS, Hybrid
`VoyageAIReranker`	Uses voyageai Reranker API to rerank results	Vector, FTS, Hybrid

使用重新排序器

对于向量搜索和全文搜索(FTS)来说，使用重排序器是可选的。但在混合搜索场景中，重排序器是必需的。要使用重排序器，您需要先创建重排序器实例，然后将其传递给查询构建器的rerank方法：

import lancedb
from lancedb.embeddings import get_registry
from lancedb.pydantic import LanceModel, Vector
from lancedb.rerankers import CohereReranker

embedder = get_registry().get("sentence-transformers").create()
db = lancedb.connect("~/.lancedb")

class Schema(LanceModel):
    text: str = embedder.SourceField()
    vector: Vector(embedder.ndims()) = embedder.VectorField()

data = [
    {"text": "hello world"},
    {"text": "goodbye world"}
    ]
tbl = db.create_table("test", data)
reranker = CohereReranker(api_key="your_api_key")

# Run vector search with a reranker
result = tbl.search("hello").rerank(reranker).to_list() 

# Run FTS search with a reranker
result = tbl.search("hello", query_type="fts").rerank(reranker).to_list()

# Run hybrid search with a reranker
tbl.create_fts_index("text")
result = tbl.search("hello", query_type="hybrid").rerank(reranker).to_list()

多向量重排序

大多数重排序器支持基于多个向量进行重排序。要基于多个向量进行重排序，您可以将向量列表传递给rerank方法。以下是一个使用CrossEncoderReranker基于多个向量列进行重排序的示例：

from lancedb.rerankers import CrossEncoderReranker

reranker = CrossEncoderReranker()

query = "hello"

res1 = table.search(query, vector_column_name="vector").limit(3)
res2 = table.search(query, vector_column_name="text_vector").limit(3)
res3 = table.search(query, vector_column_name="meta_vector").limit(3)

reranked = reranker.rerank_multivector([res1, res2, res3],  deduplicate=True)

可用的重排序器

LanceDB内置了以下重新排序器：

创建自定义重排序器

LanceDB 还允许您通过扩展基础 Reranker 类来创建自定义重新排序器。自定义重新排序器应实现 rerank 方法，该方法接收搜索结果列表并返回重新排序后的搜索结果列表。更多详细信息请参阅创建自定义重新排序器部分。