> Discover all available pages from the documentation index: https://mastra.zisheng.pro/ko/llms.txt # rerankWithScorer() 그만큼`rerankWithScorer()`기능은 의미적 관련성, 벡터 유사성 및 위치 기반 점수를 결합하여 벡터 검색 결과에 대한 고급 재순위 기능을 제공합니다. ```typescript function rerankWithScorer({ results: QueryResult[], query: string, scorer: RelevanceScoreProvider, options?: RerankerFunctionOptions, }): Promise; ``` ## 사용예 ```typescript import { rerankWithScorer as rerank, CohereRelevanceScorer } from '@mastra/rag' const scorer = new CohereRelevanceScorer('rerank-v3.5') const rerankedResults = await rerank({ results: vectorSearchResults, query: 'How do I deploy to production?', scorer, options: { 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 **scorer** (`RelevanceScoreProvider`): 재순위화에 사용할 관련성 점수 산정기 **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 `rerankWithScorer` 함수는 @mastra/rag의 모든 `RelevanceScoreProvider`를 허용합니다. > **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)