重排序是信息检索中的关键技术,在初步检索结果基础上,通过更精细的相关性计算对结果进行重新排序,提升最相关结果的排名。
jina-reranker-m0 Jina 多模态多语言文档重排序模型,10K Tokens 上下文,2.4B 参数,用于包含图文的文档排序。
jina-reranker-m0
10K Tokens
https://api.apexrouter.top/v1/rerank
import requests import json # API配置 API_URL = "https://api.apexrouter.top/v1/rerank" API_KEY = "sk-****************************" # 替换为你的实际API密钥 def rerank_documents(query, docs, top_n=3): """ 文档重排序函数 :param query: 查询文本 :param docs: 待排序文档列表 :param top_n: 返回结果数量 :return: 排序后的文档索引和分数 """ payload = { "model": "jina-reranker-m0", "query": query, "top_n": top_n, "documents": docs } headers = { "Authorization": f"{API_KEY}", "Content-Type": "application/json" } # 发送API请求 response = requests.post(API_URL, headers=headers, data=json.dumps(payload)) response.raise_for_status() # 检查请求是否成功 return response.json() # 使用示例 if __name__ == "__main__": query = "如何预防感冒" documents = [ "预防感冒应勤洗手、戴口罩...", "流感疫苗每年10月接种最佳...", # 其他文档... ] result = rerank_documents(query, documents) print("重排序结果:", result)
成功响应示例:
{ "results": [ { "index": 0, "relevance_score": 0.97 }, { "index": 1, "relevance_score": 0.93 } ], "usage": { "prompt_tokens": 144, "total_tokens": 144 } }
results
index
relevance_score
usage
top_n
© 2026 知能API 重排序