> Discover all available pages from the documentation index: https://mastra.zisheng.pro/ko/llms.txt

# 순위 재지정()

그만큼`rerank()`기능은 의미적 관련성, 벡터 유사성 및 위치 기반 점수를 결합하여 벡터 검색 결과에 대한 고급 재순위 기능을 제공합니다.

```typescript
function rerank(
  results: QueryResult[],
  query: string,
  modelConfig: ModelConfig,
  options?: RerankerFunctionOptions,
): Promise<RerankResult[]>
```

## 사용예

```typescript
import { rerank } from '@mastra/rag'

const model = 'openai/gpt-5.6-sol'

const rerankedResults = await rerank(vectorSearchResults, 'How do I deploy to production?', model, {
  weights: {
    semantic: 0.5,
    vector: 0.3,
    position: 0.2,
  },
  topK: 3,
})
```

## 매개변수

**results** (`QueryResult[]`): 재순위화할 벡터 검색 결과

**query** (`string`): 관련성을 평가하는 데 사용되는 검색 쿼리 텍스트

**model** (`MastraLanguageModel`): 재순위화에 사용할 언어 Model

**options** (`RerankerFunctionOptions`): 재순위화 Model의 옵션

**options.weights** (`WeightConfig`): 여러 점수 산정 구성 요소의 가중치(합계가 1이어야 함)

**options.weights.semantic** (`number (기본값: 0.4)`): 의미적 관련성의 가중치

**options.weights.vector** (`number (기본값: 0.4)`): 벡터 유사도의 가중치

**options.weights.position** (`number (기본값: 0.2)`): 위치 기반 점수의 가중치

**options.queryEmbedding** (`number[]`): 쿼리의 임베딩

**options.topK** (`number`): 반환할 상위 결과 수

rerank 함수는 Vercel AI SDK의 모든 LanguageModel을 허용합니다. `rerank-v3.5`와 같은 Cohere Model을 사용하면 Cohere의 재순위화 기능을 자동으로 사용합니다.

> **노트:** 순위를 다시 매기는 동안 의미 체계 점수가 제대로 작동하려면 각 결과에 텍스트 콘텐츠가 포함되어야 합니다.`metadata.text` field.

## 보고

이 함수는 배열을 반환합니다.`RerankResult` objects:

**result** (`QueryResult`): 원본 쿼리 결과

**score** (`number`): 종합 재순위화 점수(0\~1)

**details** (`ScoringDetails`): 상세 점수 정보

### `ScoringDetails`

**semantic** (`number`): 의미적 관련성 점수(0\~1)

**vector** (`number`): 벡터 유사도 점수(0\~1)

**position** (`number`): 위치 기반 점수(0\~1)

**queryAnalysis** (`object`): 쿼리 분석 세부 정보

**queryAnalysis.magnitude**: 쿼리의 크기

**queryAnalysis.dominantFeatures**: 쿼리의 주요 특성

## 관련된

- [createVectorQueryTool](https://mastra.zisheng.pro/ko/reference/tools/vector-query-tool)