Reciprocal Rank Fusion

Reciprocal Rank Fusion

Reciprocal Rank Fusion, 줄여서 RRF는 여러 검색 결과 리스트를 하나의 랭킹으로 합치는 방법이다.

프로젝트에서는 vector, BM25, graph, document filter 결과를 합쳐 최종 블록 후보를 고를 때 사용한다.

공식

TEXTCopy

• rank(d)는 각 검색 채널에서 문서가 몇 번째로 나왔는지다.
• k는 보통 60을 많이 쓴다.
• 점수 자체보다 여러 채널에서 꾸준히 상위에 나온 문서를 올리는 것이 목적이다.

왜 좋은가

• 채널마다 score 스케일이 달라도 된다.
• vector score와 BM25 score를 직접 비교하지 않아도 된다.
• 한 채널에서 1등만 한 문서보다 여러 채널에서 상위권인 문서를 선호한다.

흐름

Mermaid스크롤로 확대 · 드래그로 이동
Copy

한 줄 정리

RRF는 서로 다른 검색 채널의 순위를 점수화해 안정적인 최종 랭킹으로 합치는 방법이다.

k와 헷갈리는 것들

1/(60+1)=0.0164, 1/(60+2)=0.0161. 1등과 2등 차이가 매우 작아서 두 채널에서 3등 한 문서가 한 채널 1등을 이긴다. 이게 의도된 동작이다.

동점은 처음 등장한 순서로 깨면 같은 입력에 항상 같은 결과가 나온다(결정성).

관련

• Hybrid RAG Search
• Hybrid Search
• BM25
• BGE-M3
• Reranking
• 구조화 검색 채널
• score_threshold