You need to enable JavaScript to run this app.
导航
rerank 重排
最近更新时间:2024.12.10 19:53:09首次发布时间:2024.10.21 17:39:46

本节将说明如何单独调用rerank模型,以计算两段文本间的相似度

概述

rerank 用于重新批量计算输入文本与检索到的文本之间的 score 值,以对召回结果进行重排序。判断依据 chunk content 能回答 query 提问的概率,分数越高即模型认为该文本片能回答 query 提问的概率越大。

请求参数

参数

类型

是否必选

默认值

参数说明

datas

list[map]

--

map 中包含 query、content 和 title 三个参数。list 最大量为 50。

  • query:必选,输入的文本。
  • content:必选,检索到的文本。
  • title:可选,文本的标题。

rerank_model

string

"m3-v2-rerank"

rerank 模型选择
可选模型:

  • "m3-v2-rerank"

示例

请求参数

请先完成SDK初始化,再运行代码,详见初始化SDK

datas = [{
        "query": "退改",
        "content": "如果您需要人工服务,可以拨打人工客服电话:4006660921",
        "title":"无"
    }, {
        "query": "退改",
        "content": "1、1日票 1.5日票 2日票的退款政策: -到访日前2天的00:00前,免费退款 - 到访日前2天的00:00至到访日前夜23:59期间,退款需扣除服务费(人民币80元) - 到访日当天(00:00 之后),不可退款 2、半日票的退款政策: - 未使用的门票可在所选入...",
        "title":"门票退改政策|北京环球影城的门票退改政策"
    }, {
        "query": "退改",
        "content": "如果您需要人工服务,可以拨打人工客服电话:4006660921",
    }]
    
res = viking_knowledgebase_service.rerank(datas=datas, rerank_model="")
print(res)

返回值

Python 调用执行上面的任务,返回字典,包含的属性如下表所示

字段

类型

子字段

子字段类型

说明

code

数值

--

状态码

message

string

--

错误信息

data

map

scores

list[float64]

rerank 得分列表

token_usage

int64

tokens 消耗量

request_id

string

--

标识每个请求的唯一标识符