Weighted Ranker
WeightedRanker 通过为每个搜索路径分配不同的重要性权重，智能地组合来自多个搜索路径的结果并确定其优先级。与技艺高超的厨师平衡多种配料以制作完美菜肴的方式类似，WeightedRanker 也会平衡不同的搜索结果，以提供最相关的综合结果。这种方法非常适合在多个向量字段或模式中进行搜索，其中某些领域对最终排名的贡献应比其他领域更大。
RRF Ranker
Reciprocal Rank Fusion（RRF）Ranker 是 Milvus 混合搜索的一种 Reranking 策略，它根据多个向量搜索路径的排名位置而不是原始相似度得分来平衡搜索结果。就像体育比赛考虑的是球员的排名而不是个人统计数据一样，RRF Ranker 根据每个项目在不同搜索路径中的排名高低来组合搜索结果，从而创建一个公平、均衡的最终排名。
Boost Ranker
Boost Rankers 并不完全依赖基于向量距离计算的语义相似性，而是让您以有意义的方式影响搜索结果。它是使用元数据过滤快速调整搜索结果的理想选择。
Decay Ranker
5 个项目
Model Ranker
8 个项目