广东企业网站模板设计站长之家seo一点询
目录
背景
rrfRanker 简介与实例
核心逻辑
实例
蕴含思想
rrfRanker VS weightedRanker
rrfRanker
weightedRanker
场景使用区别
RRFRanker 使用场景
weightedRanker 使用场景
代码
代码实现
运行结果
修改代码
再次运行结果
源码
源码实现
解释
Ranker 可扩展实现
背景
本专栏虽focus在向量数据库及RAG，但是其编程理念和思想，如果你完全渗透，可以用到很多其他领域，比如实时推荐系统设计，分布式系统设计等。设计理念和编程思想我认为是搞编程首先需要领悟的，当然动手能力也很重要。二者结合，才能所向披靡，和大学讲的唯物主义辩证法差不多，以前觉得拿东西没啥用，想在细品，其思想精髓其实蛮深的。开始今天的主题吧。Milvus hybrid search 中，除了之前给出的weightedRanker进行多seq 排序，另外还有一种rrfRanker的综合排序手段。其实，你如果没有使用Milvus2.4.x 版本，如果你深入理解他的实现原理，照样可以在客户端封装函数实现这一过程。今天主要讲下 rrfRank的使用场景及方式，以及源码的实现方式。最后写下，实际上在 server端，你可以对 baseRanker 进行扩展，实现自己特殊的综合排序机制。当然milvus 在设计时，已经考虑了这点，在server 端留有充分的可扩展性，同时基于现在已有的weightedRanker 与 rrfRanker，实际上已经满足绝大部分落地需求。我将从实现的核心思想，使用，源码，及源码扩展方面进行讲解与说明。
rrfRanker 简介与实例
核心逻辑
RRF（Ranked Retrieval Fu