Tablestore:Récupération et classement

WEIGHT (Fusion pondérée)

Cette méthode applique une pondération proportionnelle aux scores de la recherche vectorielle et de la recherche en texte intégral. Elle convient aux scénarios nécessitant un contrôle précis du ratio de contribution des deux voies de recherche. Nous vous recommandons de l'adopter par défaut.

RRF (Reciprocal Rank Fusion)

Cette approche fusionne les résultats de plusieurs voies de recherche en pondérant l'inverse des rangs. Aucun appel de modèle supplémentaire n'est requis, ce qui garantit une faible latence et des performances stables.

Exemple de configuration :

{
  "rerankingConfiguration": {
    "type": "RRF",
    "numberOfResults": 5,
    "rrfConfiguration": {
      "denseVectorSearchWeight": 0.6,
      "fullTextSearchWeight": 0.4,
      "k": 20
    }
  }
}

MODEL (Reclassement par modèle)

Cette stratégie fait appel à un modèle de reclassement (tel que gte-rerank-v2) pour reclasser les résultats candidats. Elle offre la meilleure qualité de classement, mais entraîne une latence supplémentaire et des coûts de calcul plus élevés.

Recommandations de sélection de stratégie

Opérateurs de comparaison

Opérateurs d'ensemble et de correspondance

Opérateurs de combinaison logique

Les opérateurs andAll, orAll et notAll prennent en charge l'imbrication pour construire une logique de filtre combinée complexe.

Exemples de filtres

Requêtez les documents dont la catégorie est « technology » ou « science », avec un score >= 60 et un titre commençant par « product » :

{
  "filter": {
    "andAll": [
      {"in": {"key": "category", "value": ["technology", "science"]}},
      {"greaterThanOrEquals": {"key": "score", "value": 60}},
      {"startsWith": {"key": "title", "value": "product"}}
    ]
  }
}

Utilisez orAll pour implémenter une logique « OU », en interrogeant les documents dont le statut est « active » ou dont le score est > 90 :

{
  "filter": {
    "orAll": [
      {"equals": {"key": "status", "value": "active"}},
      {"greaterThan": {"key": "score", "value": 90}}
    ]
  }
}

Relations entre les paramètres numberOfResults

Le processus de récupération comporte trois niveaux de numberOfResults . Comprendre leurs relations est essentiel pour l’ajustement :

denseVectorSearchConfiguration.numberOfResults = N1  ← Vector retrieval recall count
fullTextSearchConfiguration.numberOfResults          = N2  ← Full-text retrieval recall count
rerankingConfiguration.numberOfResults               = N3  ← Final return count after Rerank

• N1 et N2 déterminent la taille du pool de candidats. Une valeur plus élevée augmente le taux de rappel, mais aussi le coût de calcul.

• N3 détermine le nombre de résultats finalement retournés. En général, N3 < N1 et N3 < N2.

• Configuration de départ recommandée : N1 = N2 = 20, N3 = 5–10. Ajustez progressivement en fonction des résultats obtenus.

Sélection du type de récupération

Recommandations d’utilisation des filtres de métadonnées

• Le filtre réduit l’étendue des candidats avant la récupération, ce qui améliore à la fois la précision et les performances.

• Les champs de filtre doivent être définis comme métadonnées lors de la création de la base de connaissances et ne peuvent pas être ajoutés à l’exécution.

• Pour le filtrage par plage de dates, utilisez le type date plutôt que le type string afin de prendre en charge les opérateurs de comparaison de plage.