API リファレンス

Rerank

Cohere、Jina AI、その他のプロバイダーのモデルを使用してドキュメントの関連性を再ランク付けし、検索と取得の品質を向上させます。

エンドポイント

http
POST https://api.tokspan.com/v1/rerank

リクエストパラメータ

パラメータ型必須説明
modelstringはいリランクモデル ID（例：cohere-rerank-v3、jina-reranker-v2）
querystringはいドキュメントを評価するための検索クエリ
documentsarrayはいリランク対象のドキュメント文字列またはオブジェクトのリスト
top_nintegerいいえ上位 N 件の結果のみを返します。デフォルト：すべて返す
return_documentsbooleanいいえレスポンスにドキュメントテキストを含めます。デフォルト：true

例

候補ドキュメントのリストとともにクエリを送信し、関連性スコア付きの結果を受信します：

python
import requests

response = requests.post(
    "https://api.tokspan.com/v1/rerank",
    headers={
        "Authorization": "Bearer sk-your-key",
        "Content-Type": "application/json",
    },
    json={
        "model": "cohere-rerank-v3",
        "query": "What is the capital of France?",
        "documents": [
            "Paris is the capital of France.",
            "Berlin is the capital of Germany.",
            "France is a country in Europe.",
        ],
        "top_n": 2,
    },
)

for result in response.json()["results"]:
    print(f"Score: {result['relevance_score']:.3f} — {result['document']['text']}")

一般的なユースケース

  • RAG パイプライン — LLM に渡す前に取得チャンクをリランクして、より正確な回答を得られます
  • ハイブリッド検索 — キーワード（BM25）とベクトル検索の結果を組み合わせ、最適な関連性のためにリランクします
  • 多段階検索 — 粗い検索 → リランク → 生成パイプライン

利用可能なモデル

サポートされているリランキングモデルには、Cohere Rerank v3、Jina Reranker v2、BGE-Reranker が含まれます。完全なカタログとモデルごとの価格については、モデルページ をご参照ください。