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

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