重排
混合搜索通过同时进行多个近似最近邻（ANN）搜索来实现更精确的搜索结果。多个搜索会返回多组结果，这就需要一种重排序策略来帮助合并和重新排序这些结果，并返回单组结果。本指南将介绍 Zilliz Cloud 支持的重排序策略，并提供选择合适重排序策略的建议。
Weighted Ranker [READ MORE]
Weighted Ranker 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进行优先级排序。就像一位技艺娴熟的厨师平衡多种食材以烹制出完美菜肴一样，Weighted Ranker 平衡不同的搜索结果，以提供最相关的结果组合。这种方法适用于当多个向量字段或模态中进行搜索的情形。因为在这些情况下，某些字段对最终排名的贡献可能会比其他字段更大。
RRF Ranker [READ MORE]
RRF (互反排名融合) Ranker 是 Zilliz Cloud 混合搜索的一种重排序策略，它根据多个向量搜索路径的排名位置而非原始相似度得分来平衡结果。就像体育锦标赛会考虑选手的排名而非个人统计数据一样，RRF Ranker 根据每个项目在不同搜索路径中的排名高低来合并搜索结果，从而生成一个公平且平衡的最终排名。
Boost Ranker [READ MORE]
Boost Ranker 不单纯依赖基于向量距离计算的语义相似度，而是让你能够以有意义的方式影响搜索结果。它非常适合使用元数据过滤快速调整搜索结果的场景。
Decay Ranker [READ MORE]
本章讨论 Decay Ranker，它使用基于以下理念的动态排序方法：某些 Entity 的相似度得分应根据特定数字类型的字段中的值降低，从而帮助其他 Entity 脱颖而出。
Model Ranker [READ MORE]
Zilliz Cloud 的 Model Ranker 通过集成能够理解查询与文档之间语义关系的先进语言模型，优化搜索体验。使其不仅仅依赖向量相似度，还会评估内容含义和上下文，以提供更智能、更相关的搜索结果。