40분

실습: Re-ranking으로 검색 결과 품질 향상

Graph + Vector 하이브리드 검색

학습 목표

Re-ranking: 검색 결과를 질문 관련성 기준으로 재정렬 LLM Re-ranking: 유연하지만 비용 발생 초기 필터링 → Re-ranking → 임계값 필터

Re-ranking: 검색 결과 품질 향상

하이브리드 검색 결과가 많을 때, 가장 관련성 높은 결과를 상위로 재정렬합니다.

왜 배우는가?

왜 Re-ranking이 필요한가?

단계	문제
벡터 검색	의미적 유사도만 고려, 질문 의도 무시
그래프 검색	관계 존재 여부만, 관련성 무시
단순 통합	순서가 임의적

Re-ranking: 질문과 각 결과의 실제 관련성을 평가하여 재정렬

Re-ranking 방법

Cross-Encoder: 질문-문서 쌍을 함께 인코딩 (정확, 느림)
LLM Re-ranking: LLM에게 순위 요청 (유연, 비용)
Cohere Rerank API: 전용 서비스 (간편, 유료)

구현 방법

LLM 기반 Re-ranking

에디터 로딩 중...

자주 하는 실수

자주 하는 실수

1. 너무 많은 결과 Re-ranking

에디터 로딩 중...

2. Re-ranking 점수 무시

에디터 로딩 중...

에디터 로딩 중...