Documents - Search Post

서비스:: Search Service

API 버전:: 2025-09-01

색인에서 문서를 검색합니다.

POST {endpoint}/indexes('{indexName}')/docs/search.post.search?api-version=2025-09-01

URI 매개 변수

Name	In(다음 안에)	필수	형식	Description
endpoint	path	True	string	검색 서비스의 엔드포인트 URL입니다.
indexName	path	True	string	인덱스의 이름입니다.
api-version	query	True	string	클라이언트 API 버전입니다.

요청 헤더

Name	필수	형식	Description
x-ms-client-request-id		string (uuid)	디버깅을 돕기 위해 요청과 함께 전송된 추적 ID입니다.

요청 본문

Name	형식	Description
answers	QueryAnswerType	검색 응답의 일부로 답변을 반환해야 하는지 여부를 지정하는 값입니다.
captions	QueryCaptionType	캡션을 검색 응답의 일부로 반환해야 하는지 여부를 지정하는 값입니다.
count	boolean	총 결과 수를 가져갈지 여부를 지정하는 값입니다. 기본값은 false입니다. 이 값을 true로 설정하면 성능에 영향을 줄 수 있습니다. 반환된 개수는 근사치입니다.
debug	QueryDebugMode	순위가 변경된 결과를 추가로 탐색하는 데 사용할 수 있는 디버깅 도구를 활성화합니다.
facets	string[]	검색 쿼리에 적용할 패싯 표현식 목록입니다. 각 패싯 표현식에는 필드 이름이 포함되며, 선택적으로 쉼표로 구분된 이름:값 쌍 목록이 뒤따릅니다.
filter	string	OData $filter 검색 쿼리에 적용할 식입니다.
highlight	string	적중 강조 표시에 사용할 필드 이름의 쉼표로 구분된 목록입니다. 검색 가능한 필드만 히트 강조 표시에 사용할 수 있습니다.
highlightPostTag	string	적중 강조 표시에 추가되는 문자열 태그입니다. highlightPreTag로 설정해야 합니다. 기본값은 /em<입니다>.
highlightPreTag	string	히트 하이라이트 앞에 추가되는 문자열 태그입니다. highlightPostTag로 설정해야 합니다. 기본값은 em<입니다>.
minimumCoverage	number (double)	쿼리가 성공으로 보고되기 위해 검색 쿼리에서 처리해야 하는 인덱스의 백분율을 나타내는 0에서 100 사이의 숫자입니다. 이 매개 변수는 복제본이 하나만 있는 서비스에서도 검색 가용성을 보장하는 데 유용할 수 있습니다. 기본값은 100입니다.
orderby	string	결과를 정렬할 $orderby 사용하는 OData 식의 쉼표로 구분된 목록입니다. 각 표현식은 필드 이름이거나 geo.distance() 또는 search.score() 함수에 대한 호출일 수 있습니다. 각 표현식 뒤에는 오름차순을 나타내는 asc가 붙거나 내림차순을 나타내는 desc가 올 수 있습니다. 기본값은 오름차순입니다. 동점은 문서의 경기 점수에 의해 깨집니다. $orderby 지정하지 않으면 기본 정렬 순서는 문서 일치 점수에 따라 내림차순입니다. 최대 32개의 $orderby 절이 있을 수 있습니다.
queryType	QueryType	검색 쿼리의 구문을 지정하는 값입니다. 기본값은 'simple'입니다. 쿼리에서 Lucene 쿼리 구문을 사용하는 경우 'full'을 사용합니다.
scoringParameters	string[]	name-values 형식을 사용하여 채점 함수(예: referencePointParameter)에 사용할 매개변수 값 목록입니다. 예를 들어 점수 매기기 프로필이 'mylocation'이라는 매개 변수를 사용하여 함수를 정의하는 경우 매개 변수 문자열은 "mylocation--122.2,44.8"(따옴표 제외)이 됩니다.
scoringProfile	string	결과를 정렬하기 위해 일치하는 문서에 대한 일치 점수를 평가하는 채점 프로파일의 이름입니다.
scoringStatistics	ScoringStatistics	보다 일관된 점수를 매기기 위해 점수 매기기 통계(예: 문서 빈도)를 전역적으로 계산할지 아니면 대기 시간을 줄이기 위해 로컬로 계산할지 여부를 지정하는 값입니다. 기본값은 'local'입니다. 'global'을 사용하여 점수를 매기기 전에 전 세계적으로 점수 통계를 집계합니다. 전역 점수 통계를 사용하면 검색 쿼리의 대기 시간이 늘어날 수 있습니다.
search	string	전체 텍스트 검색 쿼리 표현식; "*"를 사용하거나 이 매개변수를 생략하여 모든 문서를 일치시킵니다.
searchFields	string	전체 텍스트 검색의 범위를 지정할 필드 이름의 쉼표로 구분된 목록입니다. 전체 Lucene 쿼리에서 필드 검색(fieldName:searchExpression)을 사용하는 경우 각 필드 검색 표현식의 필드 이름이 이 매개 변수에 나열된 필드 이름보다 우선합니다.
searchMode	SearchMode	문서를 일치로 계산하기 위해 검색어 중 일부 또는 전부가 일치해야 하는지 여부를 지정하는 값입니다.
select	string	검색할 필드의 쉼표로 구분된 목록입니다. 지정하지 않으면 스키마에서 검색 가능으로 표시된 모든 필드가 포함됩니다.
semanticConfiguration	string	의미 체계 형식의 쿼리에 대한 문서를 처리할 때 사용되는 의미 체계 구성의 이름입니다.
semanticErrorHandling	SemanticErrorMode	사용자가 의미 체계 호출이 완전히 실패할지(기본값/현재 동작) 또는 부분 결과를 반환할지 선택할 수 있습니다.
semanticMaxWaitInMilliseconds	integer (int32) minimum: 700	사용자가 요청이 실패하기 전에 의미 체계 보강이 처리를 완료하는 데 걸리는 시간에 대한 상한을 설정할 수 있습니다.
semanticQuery	string	의미론적 순위 변경, 의미론적 캡션 및 의미론적 답변에만 사용되는 별도의 검색어를 설정할 수 있습니다. 기본 검색 및 순위 지정 단계와 L2 의미 체계 단계 간에 다른 쿼리를 사용해야 하는 시나리오에 유용합니다.
sessionId	string	보다 일관된 결과를 얻는 데 도움이 될 수 있는 고정 세션을 만드는 데 사용할 값입니다. 동일한 sessionId를 사용하는 한 동일한 복제본 집합을 대상으로 최선을 다합니다. 동일한 sessionID 값을 반복적으로 다시 사용하면 복제본 간 요청의 부하 분산을 방해하고 검색 서비스의 성능에 부정적인 영향을 줄 수 있습니다. sessionId로 사용되는 값은 '_' 문자로 시작할 수 없습니다.
skip	integer (int32)	건너뛸 검색 결과의 수입니다. 이 값은 100,000보다 클 수 없습니다. 문서를 순서대로 스캔해야 하지만 이 제한으로 인해 건너뛰기를 사용할 수 없는 경우 전체 정렬된 키에서 orderby를 사용하고 대신 범위 쿼리로 필터링하는 것이 좋습니다.
top	integer (int32)	검색할 검색 결과의 수입니다. 이는 $skip와 함께 사용하여 검색 결과의 클라이언트 쪽 페이징을 구현할 수 있습니다. 서버 쪽 페이징으로 인해 결과가 잘리는 경우 응답에는 결과의 다음 페이지에 대한 다른 검색 요청을 실행하는 데 사용할 수 있는 연속 토큰이 포함됩니다.
vectorFilterMode	VectorFilterMode	벡터 검색이 수행되기 전이나 후에 필터를 적용할지 여부를 결정합니다. 새 인덱스의 기본값은 'preFilter'입니다.
vectorQueries	VectorQuery[]: RawVectorQuery[] VectorizableTextQuery[]	벡터 및 하이브리드 검색 쿼리에 대한 쿼리 매개 변수입니다.

응답

Name	형식	Description
200 OK	SearchDocumentsResult	검색 기준과 일치하는 문서가 포함된 응답입니다.
Other Status Codes	SearchDocumentsResult	검색 기준과 일치하는 부분 문서가 포함된 응답입니다.
Other Status Codes	ErrorResponse	오류 응답입니다.

예제

SearchIndexSearchDocumentsPost

SearchIndexSearchDocumentsSemanticPost

SearchIndexSearchDocumentsPost

샘플 요청

HTTP

POST https://stableexampleservice.search.windows.net/indexes('stable-test')/docs/search.post.search?api-version=2025-09-01


{
  "count": true,
  "facets": [
    "ownerId"
  ],
  "filter": "category eq 'purple' or category eq 'pink'",
  "highlight": "category",
  "highlightPostTag": "</em>",
  "highlightPreTag": "</em>",
  "minimumCoverage": 100,
  "queryType": "semantic",
  "scoringStatistics": "global",
  "sessionId": "mysessionid",
  "scoringParameters": [
    "categoryTag:desiredCategoryValue"
  ],
  "scoringProfile": "stringFieldBoost",
  "debug": "vector",
  "search": "purple",
  "searchFields": "id,name,description,category,ownerId",
  "searchMode": "any",
  "select": "id,name,description,category,ownerId",
  "skip": 0,
  "top": 10,
  "semanticConfiguration": "testconfig",
  "semanticErrorHandling": "partial",
  "semanticMaxWaitInMilliseconds": 5000,
  "semanticQuery": "find all purple",
  "answers": "extractive",
  "captions": "extractive",
  "vectorQueries": [
    {
      "vector": [
        0,
        1,
        2,
        3,
        4,
        5,
        6,
        7,
        8,
        9
      ],
      "kind": "vector",
      "k": 50,
      "fields": "vector22, vector1b",
      "exhaustive": true,
      "weight": 1
    }
  ],
  "vectorFilterMode": "preFilter"
}

샘플 응답

상태 코드:: 200

{
  "@odata.count": 42,
  "@search.coverage": 100,
  "@search.facets": {
    "ownerId": [
      {
        "count": 26,
        "value": "sam"
      },
      {
        "count": 12,
        "value": "ryan"
      },
      {
        "count": 4,
        "value": "benny"
      }
    ]
  },
  "@search.answers": [],
  "value": [
    {
      "@search.score": 0.04419642686843872,
      "@search.highlights": {
        "category": [
          "</em>purple</em>"
        ]
      },
      "@search.rerankerScore": 1.7178425788879395,
      "@search.rerankerBoostedScore": 1.7178425788879395,
      "@search.captions": [
        {
          "text": "test10 hello.",
          "highlights": ""
        }
      ],
      "@search.documentDebugInfo": {
        "vectors": {
          "subscores": {
            "documentBoost": 1,
            "text": {
              "searchScore": 1.3862943649291992
            },
            "vectors": [
              {
                "vector22": {
                  "searchScore": 0.00011109876504633576,
                  "vectorSimilarity": 94.86833055544514
                },
                "vector1b": {
                  "searchScore": 0.0002499375259503722,
                  "vectorSimilarity": 63.24555189615253
                }
              }
            ]
          }
        }
      },
      "id": "10",
      "name": "test",
      "description": "test10 hello",
      "category": "purple",
      "ownerId": "benny"
    },
    {
      "@search.score": 0.012820512987673283,
      "@search.highlights": {
        "category": [
          "</em>purple</em>"
        ]
      },
      "@search.rerankerScore": 1.7079174518585205,
      "@search.rerankerBoostedScore": 1.7079174518585205,
      "@search.captions": [
        {
          "text": "no vector.",
          "highlights": "</em>no vector.</em>"
        }
      ],
      "@search.documentDebugInfo": {
        "vectors": {
          "subscores": {
            "documentBoost": 1,
            "text": {
              "searchScore": 1.0779930353164673
            },
            "vectors": [
              {}
            ]
          }
        }
      },
      "id": "empty-vectors",
      "name": "test",
      "description": "no vector",
      "category": "purple",
      "ownerId": "sam"
    },
    {
      "@search.score": 0.011627906933426857,
      "@search.highlights": {
        "category": [
          "</em>purple</em>"
        ]
      },
      "@search.rerankerScore": 1.7079174518585205,
      "@search.rerankerBoostedScore": 1.7079174518585205,
      "@search.captions": [
        {
          "text": "no vector.",
          "highlights": "</em>no vector.</em>"
        }
      ],
      "@search.documentDebugInfo": {
        "vectors": {
          "subscores": {
            "documentBoost": 1,
            "text": {
              "searchScore": 0.3250378668308258
            },
            "vectors": [
              {}
            ]
          }
        }
      },
      "id": "no-vectors",
      "name": "test",
      "description": "no vector",
      "category": "purple",
      "ownerId": "sam"
    },
    {
      "@search.score": 0.0431547611951828,
      "@search.highlights": {
        "category": [
          "</em>purple</em>"
        ]
      },
      "@search.rerankerScore": 1.6994102001190186,
      "@search.rerankerBoostedScore": 1.6994102001190186,
      "@search.captions": [
        {
          "text": "test4 hello.",
          "highlights": ""
        }
      ],
      "@search.documentDebugInfo": {
        "vectors": {
          "subscores": {
            "documentBoost": 1,
            "text": {
              "searchScore": 0.3250378668308258
            },
            "vectors": [
              {
                "vector22": {
                  "searchScore": 0.00017358097829855978,
                  "vectorSimilarity": 75.89466323761327
                },
                "vector1b": {
                  "searchScore": 0.0005099439295008779,
                  "vectorSimilarity": 44.27188622909418
                }
              }
            ]
          }
        }
      },
      "id": "4",
      "name": "test",
      "description": "test4 hello",
      "category": "purple",
      "ownerId": "sam"
    },
    {
      "@search.score": 0.04460374265909195,
      "@search.highlights": {
        "category": [
          "</em>purple</em>"
        ]
      },
      "@search.rerankerScore": 1.6937386989593506,
      "@search.rerankerBoostedScore": 1.6937386989593506,
      "@search.captions": [
        {
          "text": "test2 hello.",
          "highlights": ""
        }
      ],
      "@search.documentDebugInfo": {
        "vectors": {
          "subscores": {
            "documentBoost": 1,
            "text": {
              "searchScore": 0.3250378668308258
            },
            "vectors": [
              {
                "vector22": {
                  "searchScore": 0.00020656888955272734,
                  "vectorSimilarity": 69.5701087211589
                },
                "vector1b": {
                  "searchScore": 0.0006939625018276274,
                  "vectorSimilarity": 37.947332584023194
                }
              }
            ]
          }
        }
      },
      "id": "2",
      "name": "test",
      "description": "test2 hello",
      "category": "purple",
      "ownerId": "sam"
    },
    {
      "@search.score": 0.042533937841653824,
      "@search.highlights": {
        "category": [
          "</em>purple</em>"
        ]
      },
      "@search.rerankerScore": 1.6923208236694336,
      "@search.rerankerBoostedScore": 1.6923208236694336,
      "@search.captions": [
        {
          "text": "test5 hello.",
          "highlights": ""
        }
      ],
      "@search.documentDebugInfo": {
        "vectors": {
          "subscores": {
            "documentBoost": 1,
            "text": {
              "searchScore": 0.3250378668308258
            },
            "vectors": [
              {
                "vector22": {
                  "searchScore": 0.00015997439913917333,
                  "vectorSimilarity": 79.0569427290381
                },
                "vector1b": {
                  "searchScore": 0.0004442470089998096,
                  "vectorSimilarity": 47.43416449302081
                }
              }
            ]
          }
        }
      },
      "id": "5",
      "name": "test",
      "description": "test5 hello",
      "category": "purple",
      "ownerId": "sam"
    },
    {
      "@search.score": 0.04651741310954094,
      "@search.highlights": {
        "category": [
          "</em>purple</em>"
        ]
      },
      "@search.rerankerScore": 1.691611886024475,
      "@search.rerankerBoostedScore": 1.691611886024475,
      "@search.captions": [
        {
          "text": "test7 hello.",
          "highlights": ""
        }
      ],
      "@search.documentDebugInfo": {
        "vectors": {
          "subscores": {
            "documentBoost": 1,
            "text": {
              "searchScore": 1.9616584777832031
            },
            "vectors": [
              {
                "vector22": {
                  "searchScore": 0.00013715539535041898,
                  "vectorSimilarity": 85.38149735825786
                },
                "vector1b": {
                  "searchScore": 0.00034590106224641204,
                  "vectorSimilarity": 53.758721003860366
                }
              }
            ]
          }
        }
      },
      "id": "7",
      "name": "test",
      "description": "test7 hello",
      "category": "purple",
      "ownerId": "sam"
    },
    {
      "@search.score": 0.04703196510672569,
      "@search.highlights": {
        "category": [
          "</em>purple</em>"
        ]
      },
      "@search.rerankerScore": 1.6781420707702637,
      "@search.rerankerBoostedScore": 1.6781420707702637,
      "@search.captions": [
        {
          "text": "test0 hello.",
          "highlights": ""
        }
      ],
      "@search.documentDebugInfo": {
        "vectors": {
          "subscores": {
            "documentBoost": 1,
            "text": {
              "searchScore": 1.0779930353164673
            },
            "vectors": [
              {
                "vector22": {
                  "searchScore": 0.0002499375259503722,
                  "vectorSimilarity": 63.24555189615253
                },
                "vector1b": {
                  "searchScore": 0.0009990009712055326,
                  "vectorSimilarity": 31.622777042048124
                }
              }
            ]
          }
        }
      },
      "id": "0",
      "name": "test",
      "description": "test0 hello",
      "category": "purple",
      "ownerId": "benny"
    },
    {
      "@search.score": 0.043300654739141464,
      "@search.highlights": {
        "category": [
          "</em>purple</em>"
        ]
      },
      "@search.rerankerScore": 1.6653810739517212,
      "@search.rerankerBoostedScore": 1.6653810739517212,
      "@search.captions": [
        {
          "text": "test8 hello.",
          "highlights": ""
        }
      ],
      "@search.documentDebugInfo": {
        "vectors": {
          "subscores": {
            "documentBoost": 1,
            "text": {
              "searchScore": 1.1507283449172974
            },
            "vectors": [
              {
                "vector22": {
                  "searchScore": 0.00012753476039506495,
                  "vectorSimilarity": 88.5437719937623
                },
                "vector1b": {
                  "searchScore": 0.0003085467324126512,
                  "vectorSimilarity": 56.92099902893652
                }
              }
            ]
          }
        }
      },
      "id": "8",
      "name": "test",
      "description": "test8 hello",
      "category": "purple",
      "ownerId": "sam"
    },
    {
      "@search.score": 0.04082724079489708,
      "@search.highlights": {
        "category": [
          "</em>purple</em>"
        ]
      },
      "@search.rerankerScore": 1.6618363857269287,
      "@search.rerankerBoostedScore": 1.6618363857269287,
      "@search.captions": [
        {
          "text": "test11 hello.",
          "highlights": ""
        }
      ],
      "@search.documentDebugInfo": {
        "vectors": {
          "subscores": {
            "documentBoost": 1,
            "text": {
              "searchScore": 0.3250378668308258
            },
            "vectors": [
              {
                "vector22": {
                  "searchScore": 0.00010404744534753263,
                  "vectorSimilarity": 98.03060760075451
                },
                "vector1b": {
                  "searchScore": 0.00022670596081297845,
                  "vectorSimilarity": 66.40783109116562
                }
              }
            ]
          }
        }
      },
      "id": "11",
      "name": "test",
      "description": "test11 hello",
      "category": "purple",
      "ownerId": "sam"
    }
  ]
}

상태 코드:: 206

{
  "@odata.count": 42,
  "@search.coverage": 100,
  "@search.facets": {
    "ownerId": [
      {
        "count": 26,
        "value": "sam"
      },
      {
        "count": 12,
        "value": "ryan"
      },
      {
        "count": 4,
        "value": "benny"
      }
    ]
  },
  "@search.answers": [],
  "value": [
    {
      "@search.score": 0.04419642686843872,
      "@search.highlights": {
        "category": [
          "</em>purple</em>"
        ]
      },
      "@search.rerankerScore": 1.7178425788879395,
      "@search.rerankerBoostedScore": 1.7178425788879395,
      "@search.captions": [
        {
          "text": "test10 hello.",
          "highlights": ""
        }
      ],
      "@search.documentDebugInfo": {
        "vectors": {
          "subscores": {
            "documentBoost": 1,
            "text": {
              "searchScore": 1.3862943649291992
            },
            "vectors": [
              {
                "vector22": {
                  "searchScore": 0.00011109876504633576,
                  "vectorSimilarity": 94.86833055544514
                },
                "vector1b": {
                  "searchScore": 0.0002499375259503722,
                  "vectorSimilarity": 63.24555189615253
                }
              }
            ]
          }
        }
      },
      "id": "10",
      "name": "test",
      "description": "test10 hello",
      "category": "purple",
      "ownerId": "benny"
    },
    {
      "@search.score": 0.012820512987673283,
      "@search.highlights": {
        "category": [
          "</em>purple</em>"
        ]
      },
      "@search.rerankerScore": 1.7079174518585205,
      "@search.rerankerBoostedScore": 1.7079174518585205,
      "@search.captions": [
        {
          "text": "no vector.",
          "highlights": "</em>no vector.</em>"
        }
      ],
      "@search.documentDebugInfo": {
        "vectors": {
          "subscores": {
            "documentBoost": 1,
            "text": {
              "searchScore": 1.0779930353164673
            },
            "vectors": [
              {}
            ]
          }
        }
      },
      "id": "empty-vectors",
      "name": "test",
      "description": "no vector",
      "category": "purple",
      "ownerId": "sam"
    },
    {
      "@search.score": 0.011627906933426857,
      "@search.highlights": {
        "category": [
          "</em>purple</em>"
        ]
      },
      "@search.rerankerScore": 1.7079174518585205,
      "@search.rerankerBoostedScore": 1.7079174518585205,
      "@search.captions": [
        {
          "text": "no vector.",
          "highlights": "</em>no vector.</em>"
        }
      ],
      "@search.documentDebugInfo": {
        "vectors": {
          "subscores": {
            "documentBoost": 1,
            "text": {
              "searchScore": 0.3250378668308258
            },
            "vectors": [
              {}
            ]
          }
        }
      },
      "id": "no-vectors",
      "name": "test",
      "description": "no vector",
      "category": "purple",
      "ownerId": "sam"
    },
    {
      "@search.score": 0.0431547611951828,
      "@search.highlights": {
        "category": [
          "</em>purple</em>"
        ]
      },
      "@search.rerankerScore": 1.6994102001190186,
      "@search.rerankerBoostedScore": 1.6994102001190186,
      "@search.captions": [
        {
          "text": "test4 hello.",
          "highlights": ""
        }
      ],
      "@search.documentDebugInfo": {
        "vectors": {
          "subscores": {
            "documentBoost": 1,
            "text": {
              "searchScore": 0.3250378668308258
            },
            "vectors": [
              {
                "vector22": {
                  "searchScore": 0.00017358097829855978,
                  "vectorSimilarity": 75.89466323761327
                },
                "vector1b": {
                  "searchScore": 0.0005099439295008779,
                  "vectorSimilarity": 44.27188622909418
                }
              }
            ]
          }
        }
      },
      "id": "4",
      "name": "test",
      "description": "test4 hello",
      "category": "purple",
      "ownerId": "sam"
    },
    {
      "@search.score": 0.04460374265909195,
      "@search.highlights": {
        "category": [
          "</em>purple</em>"
        ]
      },
      "@search.rerankerScore": 1.6937386989593506,
      "@search.rerankerBoostedScore": 1.6937386989593506,
      "@search.captions": [
        {
          "text": "test2 hello.",
          "highlights": ""
        }
      ],
      "@search.documentDebugInfo": {
        "vectors": {
          "subscores": {
            "documentBoost": 1,
            "text": {
              "searchScore": 0.3250378668308258
            },
            "vectors": [
              {
                "vector22": {
                  "searchScore": 0.00020656888955272734,
                  "vectorSimilarity": 69.5701087211589
                },
                "vector1b": {
                  "searchScore": 0.0006939625018276274,
                  "vectorSimilarity": 37.947332584023194
                }
              }
            ]
          }
        }
      },
      "id": "2",
      "name": "test",
      "description": "test2 hello",
      "category": "purple",
      "ownerId": "sam"
    },
    {
      "@search.score": 0.042533937841653824,
      "@search.highlights": {
        "category": [
          "</em>purple</em>"
        ]
      },
      "@search.rerankerScore": 1.6923208236694336,
      "@search.rerankerBoostedScore": 1.6923208236694336,
      "@search.captions": [
        {
          "text": "test5 hello.",
          "highlights": ""
        }
      ],
      "@search.documentDebugInfo": {
        "vectors": {
          "subscores": {
            "documentBoost": 1,
            "text": {
              "searchScore": 0.3250378668308258
            },
            "vectors": [
              {
                "vector22": {
                  "searchScore": 0.00015997439913917333,
                  "vectorSimilarity": 79.0569427290381
                },
                "vector1b": {
                  "searchScore": 0.0004442470089998096,
                  "vectorSimilarity": 47.43416449302081
                }
              }
            ]
          }
        }
      },
      "id": "5",
      "name": "test",
      "description": "test5 hello",
      "category": "purple",
      "ownerId": "sam"
    },
    {
      "@search.score": 0.04651741310954094,
      "@search.highlights": {
        "category": [
          "</em>purple</em>"
        ]
      },
      "@search.rerankerScore": 1.691611886024475,
      "@search.rerankerBoostedScore": 1.691611886024475,
      "@search.captions": [
        {
          "text": "test7 hello.",
          "highlights": ""
        }
      ],
      "@search.documentDebugInfo": {
        "vectors": {
          "subscores": {
            "documentBoost": 1,
            "text": {
              "searchScore": 1.9616584777832031
            },
            "vectors": [
              {
                "vector22": {
                  "searchScore": 0.00013715539535041898,
                  "vectorSimilarity": 85.38149735825786
                },
                "vector1b": {
                  "searchScore": 0.00034590106224641204,
                  "vectorSimilarity": 53.758721003860366
                }
              }
            ]
          }
        }
      },
      "id": "7",
      "name": "test",
      "description": "test7 hello",
      "category": "purple",
      "ownerId": "sam"
    },
    {
      "@search.score": 0.04703196510672569,
      "@search.highlights": {
        "category": [
          "</em>purple</em>"
        ]
      },
      "@search.rerankerScore": 1.6781420707702637,
      "@search.rerankerBoostedScore": 1.6781420707702637,
      "@search.captions": [
        {
          "text": "test0 hello.",
          "highlights": ""
        }
      ],
      "@search.documentDebugInfo": {
        "vectors": {
          "subscores": {
            "documentBoost": 1,
            "text": {
              "searchScore": 1.0779930353164673
            },
            "vectors": [
              {
                "vector22": {
                  "searchScore": 0.0002499375259503722,
                  "vectorSimilarity": 63.24555189615253
                },
                "vector1b": {
                  "searchScore": 0.0009990009712055326,
                  "vectorSimilarity": 31.622777042048124
                }
              }
            ]
          }
        }
      },
      "id": "0",
      "name": "test",
      "description": "test0 hello",
      "category": "purple",
      "ownerId": "benny"
    },
    {
      "@search.score": 0.043300654739141464,
      "@search.highlights": {
        "category": [
          "</em>purple</em>"
        ]
      },
      "@search.rerankerScore": 1.6653810739517212,
      "@search.rerankerBoostedScore": 1.6653810739517212,
      "@search.captions": [
        {
          "text": "test8 hello.",
          "highlights": ""
        }
      ],
      "@search.documentDebugInfo": {
        "vectors": {
          "subscores": {
            "documentBoost": 1,
            "text": {
              "searchScore": 1.1507283449172974
            },
            "vectors": [
              {
                "vector22": {
                  "searchScore": 0.00012753476039506495,
                  "vectorSimilarity": 88.5437719937623
                },
                "vector1b": {
                  "searchScore": 0.0003085467324126512,
                  "vectorSimilarity": 56.92099902893652
                }
              }
            ]
          }
        }
      },
      "id": "8",
      "name": "test",
      "description": "test8 hello",
      "category": "purple",
      "ownerId": "sam"
    },
    {
      "@search.score": 0.04082724079489708,
      "@search.highlights": {
        "category": [
          "</em>purple</em>"
        ]
      },
      "@search.rerankerScore": 1.6618363857269287,
      "@search.rerankerBoostedScore": 1.6618363857269287,
      "@search.captions": [
        {
          "text": "test11 hello.",
          "highlights": ""
        }
      ],
      "@search.documentDebugInfo": {
        "vectors": {
          "subscores": {
            "documentBoost": 1,
            "text": {
              "searchScore": 0.3250378668308258
            },
            "vectors": [
              {
                "vector22": {
                  "searchScore": 0.00010404744534753263,
                  "vectorSimilarity": 98.03060760075451
                },
                "vector1b": {
                  "searchScore": 0.00022670596081297845,
                  "vectorSimilarity": 66.40783109116562
                }
              }
            ]
          }
        }
      },
      "id": "11",
      "name": "test",
      "description": "test11 hello",
      "category": "purple",
      "ownerId": "sam"
    }
  ]
}

SearchIndexSearchDocumentsSemanticPost

샘플 요청

HTTP

POST https://myservice.search.windows.net/indexes('myindex')/docs/search.post.search?api-version=2025-09-01

{
  "count": true,
  "highlightPostTag": "</em>",
  "highlightPreTag": "<em>",
  "queryType": "semantic",
  "search": "how do clouds form",
  "semanticConfiguration": "my-semantic-config",
  "answers": "extractive|count-3",
  "captions": "extractive|highlight-true",
  "semanticErrorHandling": "partial",
  "semanticMaxWaitInMilliseconds": 780
}

샘플 응답

상태 코드:: 200

{
  "@odata.count": 25,
  "@search.answers": [
    {
      "key": "4123",
      "text": "Sunlight heats the land all day, warming that moist air and causing it to rise high into the   atmosphere until it cools and condenses into water droplets. Clouds generally form where air is ascending (over land in this case),   but not where it is descending (over the river).",
      "highlights": "Sunlight heats the land all day, warming that moist air and causing it to rise high into the   atmosphere until it cools and condenses into water droplets. Clouds generally form<em> where air is ascending</em> (over land in this case),   but not where it is<em> descending</em> (over the river).",
      "score": 0.94639826
    }
  ],
  "@search.nextPageParameters": {
    "count": true,
    "highlightPostTag": "</em>",
    "highlightPreTag": "<em>",
    "queryType": "semantic",
    "search": "how do clouds form",
    "semanticConfiguration": "my-semantic-config",
    "answers": "extractive|count-3",
    "captions": "extractive|highlight-true",
    "semanticErrorHandling": "partial",
    "semanticMaxWaitInMilliseconds": 780,
    "skip": 2,
    "top": 8
  },
  "value": [
    {
      "@search.score": 0.5479723,
      "@search.rerankerScore": 1.0321671911515296,
      "@search.captions": [
        {
          "text": "Like all clouds, it forms when the air reaches its dew point—the temperature at which an air mass is cool enough for its water vapor to condense into liquid droplets. This false-color image shows valley fog, which is common in the Pacific Northwest of North America.",
          "highlights": "Like all<em> clouds</em>, it<em> forms</em> when the air reaches its dew point—the temperature at    which an air mass is cool enough for its water vapor to condense into liquid droplets. This false-color image shows valley<em> fog</em>, which is common in the Pacific Northwest of North America."
        }
      ],
      "id": "4123",
      "title": "Earth Atmosphere",
      "content": "Fog is essentially a cloud lying on the ground. Like all clouds, it forms when the air reaches its dew point—the temperature at  \n\nwhich an air mass is cool enough for its water vapor to condense into liquid droplets.\n\nThis false-color image shows valley fog, which is common in the Pacific Northwest of North America. On clear winter nights, the \n\nground and overlying air cool off rapidly, especially at high elevations. Cold air is denser than warm air, and it sinks down into the \n\nvalleys. The moist air in the valleys gets chilled to its dew point, and fog forms. If undisturbed by winds, such fog may persist for \n\ndays. The Terra satellite captured this image of foggy valleys northeast of Vancouver in February 2010.\n\n\n",
      "locations": [
        "Pacific Northwest",
        "North America",
        "Vancouver"
      ]
    }
  ],
  "@odata.nextLink": "https://myservice.search.windows.net/indexes('myindex')/docs/search.post.search?api-version=2024-07-01"
}

상태 코드:: 206

{
  "@odata.count": 25,
  "@search.answers": [
    {
      "key": "4123",
      "text": "Sunlight heats the land all day, warming that moist air and causing it to rise high into the   atmosphere until it cools and condenses into water droplets. Clouds generally form where air is ascending (over land in this case),   but not where it is descending (over the river).",
      "highlights": "Sunlight heats the land all day, warming that moist air and causing it to rise high into the   atmosphere until it cools and condenses into water droplets. Clouds generally form<em> where air is ascending</em> (over land in this case),   but not where it is<em> descending</em> (over the river).",
      "score": 0.94639826
    }
  ],
  "@search.nextPageParameters": {
    "count": true,
    "highlightPostTag": "</em>",
    "highlightPreTag": "<em>",
    "queryType": "semantic",
    "search": "how do clouds form",
    "semanticConfiguration": "my-semantic-config",
    "answers": "extractive|count-3",
    "captions": "extractive|highlight-true",
    "semanticErrorHandling": "partial",
    "semanticMaxWaitInMilliseconds": 780,
    "skip": 2,
    "top": 8
  },
  "value": [
    {
      "@search.score": 0.5479723,
      "@search.rerankerScore": 1.0321671911515296,
      "@search.captions": [
        {
          "text": "Like all clouds, it forms when the air reaches its dew point—the temperature at which an air mass is cool enough for its water vapor to condense into liquid droplets. This false-color image shows valley fog, which is common in the Pacific Northwest of North America.",
          "highlights": "Like all<em> clouds</em>, it<em> forms</em> when the air reaches its dew point—the temperature at    which an air mass is cool enough for its water vapor to condense into liquid droplets. This false-color image shows valley<em> fog</em>, which is common in the Pacific Northwest of North America."
        }
      ],
      "id": "4123",
      "title": "Earth Atmosphere",
      "content": "Fog is essentially a cloud lying on the ground. Like all clouds, it forms when the air reaches its dew point—the temperature at  \n\nwhich an air mass is cool enough for its water vapor to condense into liquid droplets.\n\nThis false-color image shows valley fog, which is common in the Pacific Northwest of North America. On clear winter nights, the \n\nground and overlying air cool off rapidly, especially at high elevations. Cold air is denser than warm air, and it sinks down into the \n\nvalleys. The moist air in the valleys gets chilled to its dew point, and fog forms. If undisturbed by winds, such fog may persist for \n\ndays. The Terra satellite captured this image of foggy valleys northeast of Vancouver in February 2010.\n\n\n",
      "locations": [
        "Pacific Northwest",
        "North America",
        "Vancouver"
      ]
    }
  ],
  "@odata.nextLink": "https://myservice.search.windows.net/indexes('myindex')/docs/search.post.search?api-version=2024-07-01"
}

정의

Name	Description
AnswerResult	답변은 쿼리와 일치하는 가장 관련성이 높은 문서의 내용에서 추출된 텍스트 구절입니다. 답변은 상위 검색 결과에서 추출됩니다. 답안 후보에 점수가 매겨지고 상위 답안이 선택됩니다.
CaptionResult	캡션은 검색 쿼리에 비해 문서에서 가장 대표적인 구절입니다. 문서 요약으로 자주 사용됩니다. 캡션은 형식의 `semantic`쿼리에 대해서만 반환됩니다.
DocumentDebugInfo	검색 결과를 추가로 탐색하는 데 사용할 수 있는 디버깅 정보가 포함되어 있습니다.
ErrorAdditionalInfo	리소스 관리 오류 추가 정보입니다.
ErrorDetail	오류 세부 정보입니다.
ErrorResponse	오류 응답
QueryAnswerType	검색 응답의 일부로 답변을 반환해야 하는지 여부를 지정하는 값입니다.
QueryCaptionType	캡션을 검색 응답의 일부로 반환해야 하는지 여부를 지정하는 값입니다.
QueryDebugMode	검색 결과를 추가로 탐색하는 데 사용할 수 있는 디버깅 도구를 사용하도록 설정합니다.
QueryResultDocumentSubscores	이 문서에 대한 검색 쿼리의 텍스트 및 벡터 쿼리 구성 요소 간의 하위 점수 분석입니다. 각 벡터 쿼리는 수신된 순서와 동일한 순서로 별도의 개체로 표시됩니다.
QueryType	검색 쿼리의 구문을 지정합니다. 기본값은 'simple'입니다. 쿼리에서 Lucene 쿼리 구문을 사용하는 경우 'full'을 사용합니다.
RawVectorQuery	원시 벡터 값이 제공될 때 벡터 검색에 사용할 쿼리 매개 변수입니다.
ScoringStatistics	보다 일관된 점수를 매기기 위해 점수 매기기 통계(예: 문서 빈도)를 전역적으로 계산할지 아니면 대기 시간을 줄이기 위해 로컬로 계산할지 여부를 지정하는 값입니다. 기본값은 'local'입니다. 'global'을 사용하여 점수를 매기기 전에 전 세계적으로 점수 통계를 집계합니다. 전역 점수 통계를 사용하면 검색 쿼리의 대기 시간이 늘어날 수 있습니다.
SearchDocumentsResult	인덱스의 검색 결과가 포함된 응답입니다.
SearchMode	문서를 일치로 계산하기 위해 검색어 중 일부 또는 전부를 일치시켜야 하는지 여부를 지정합니다.
SearchRequest	필터링, 정렬, 패싯, 페이징 및 기타 검색 쿼리 동작에 대한 매개 변수입니다.
SearchResult	검색 쿼리에서 찾은 문서와 연결된 메타데이터를 포함합니다.
SemanticErrorMode	사용자가 의미 체계 호출이 완전히 실패할지(기본값/현재 동작) 또는 부분 결과를 반환할지 선택할 수 있습니다.
SemanticErrorReason	의미 체계 순위 요청에 대해 부분 응답이 반환된 이유입니다.
SemanticSearchResultsType	의미 체계 순위 요청에 대해 반환된 부분 응답의 유형입니다.
SingleVectorFieldResult	단일 벡터 필드 결과입니다. 및 벡터 유사성 값이 모두 @search.score 반환됩니다. 벡터 유사성은 방정식과 관련이 @search.score 있습니다.
TextResult	쿼리의 텍스트 부분에 대한 BM25 또는 클래식 점수입니다.
VectorFilterMode	벡터 검색이 수행되기 전이나 후에 필터를 적용할지 여부를 결정합니다.
VectorizableTextQuery	벡터화해야 하는 텍스트 값이 제공될 때 벡터 검색에 사용할 쿼리 매개 변수입니다.
VectorQueryKind	수행 중인 벡터 쿼리의 종류입니다.
VectorsDebugInfo

AnswerResult

Object

답변은 쿼리와 일치하는 가장 관련성이 높은 문서의 내용에서 추출된 텍스트 구절입니다. 답변은 상위 검색 결과에서 추출됩니다. 답안 후보에 점수가 매겨지고 상위 답안이 선택됩니다.

Name	형식	Description
highlights	string	쿼리와 가장 관련이 있는 강조 표시된 텍스트 구가 있는 Text 속성과 동일한 텍스트 구절입니다.
key	string	답변이 추출된 문서의 키입니다.
score	number (double)	점수 값은 쿼리에 대해 반환된 다른 답변과 비교하여 답변이 쿼리와 얼마나 관련성이 있는지를 나타냅니다.
text	string	문서 내용에서 답변으로 추출한 텍스트 구절입니다.

CaptionResult

Object

캡션은 검색 쿼리에 비해 문서에서 가장 대표적인 구절입니다. 문서 요약으로 자주 사용됩니다. 캡션은 형식의 semantic쿼리에 대해서만 반환됩니다.

Name	형식	Description
highlights	string	쿼리와 가장 관련이 있는 강조 표시된 구가 있는 Text 속성과 동일한 텍스트 구절입니다.
text	string	검색 쿼리와 가장 관련성이 높은 문서에서 추출된 대표적인 텍스트 구절입니다.

DocumentDebugInfo

Object

검색 결과를 추가로 탐색하는 데 사용할 수 있는 디버깅 정보가 포함되어 있습니다.

Name	형식	Description
vectors	VectorsDebugInfo	벡터 및 하이브리드 검색과 관련된 디버깅 정보가 포함되어 있습니다.

ErrorAdditionalInfo

Object

리소스 관리 오류 추가 정보입니다.

Name	형식	Description
info	object	추가 정보입니다.
type	string	추가 정보 유형입니다.

ErrorDetail

Object

오류 세부 정보입니다.

Name	형식	Description
additionalInfo	ErrorAdditionalInfo[]	오류 추가 정보입니다.
code	string	오류 코드입니다.
details	ErrorDetail[]	오류 세부 정보입니다.
message	string	오류 메시지입니다.
target	string	오류 대상입니다.

ErrorResponse

Object

오류 응답

Name	형식	Description
error	ErrorDetail	오류 개체입니다.

QueryAnswerType

열거형

검색 응답의 일부로 답변을 반환해야 하는지 여부를 지정하는 값입니다.

값	Description
none	쿼리에 대한 답변을 반환하지 마십시오.
extractive	자연어로 질문으로 표현된 쿼리에 대한 응답으로 반환된 문서의 내용에서 답변 후보를 추출합니다.

QueryCaptionType

열거형

캡션을 검색 응답의 일부로 반환해야 하는지 여부를 지정하는 값입니다.

값	Description
none	쿼리에 대한 캡션을 반환하지 마십시오.
extractive	검색 쿼리와 관련된 구절이 포함된 일치하는 문서에서 캡션을 추출합니다.

QueryDebugMode

열거형

검색 결과를 추가로 탐색하는 데 사용할 수 있는 디버깅 도구를 사용하도록 설정합니다.

값	Description
disabled	쿼리 디버깅 정보가 반환되지 않습니다.
vector	사용자가 하이브리드 및 벡터 쿼리 결과를 추가로 탐색할 수 있습니다.

QueryResultDocumentSubscores

Object

이 문서에 대한 검색 쿼리의 텍스트 및 벡터 쿼리 구성 요소 간의 하위 점수 분석입니다. 각 벡터 쿼리는 수신된 순서와 동일한 순서로 별도의 개체로 표시됩니다.

Name	형식	Description
documentBoost	number (double)	쿼리의 텍스트 부분에 대한 BM25 또는 클래식 점수입니다.
text	TextResult	쿼리의 텍스트 부분에 대한 BM25 또는 클래식 점수입니다.
vectors	<string, SingleVectorFieldResult>	각 벡터 쿼리에 대한 벡터 유사성 및 @search.score 값입니다.

QueryType

열거형

검색 쿼리의 구문을 지정합니다. 기본값은 'simple'입니다. 쿼리에서 Lucene 쿼리 구문을 사용하는 경우 'full'을 사용합니다.

값	Description
simple	검색에 간단한 쿼리 구문을 사용합니다. 검색 텍스트는 +, * 및 ""와 같은 기호를 허용하는 간단한 쿼리 언어를 사용하여 해석됩니다. 쿼리는 기본적으로 searchFields 매개 변수를 지정하지 않는 한 검색 가능한 모든 필드에서 평가됩니다.
full	검색에 전체 Lucene 쿼리 구문을 사용합니다. 검색 텍스트는 필드별 및 가중치 검색과 기타 고급 기능을 허용하는 Lucene 쿼리 언어를 사용하여 해석됩니다.
semantic	키워드가 아닌 자연어로 표현된 쿼리에 가장 적합합니다. 웹 말뭉치에서 학습된 순위 모델을 사용하여 상위 검색 결과의 순위를 다시 지정하여 검색 결과의 정밀도를 향상시킵니다.

RawVectorQuery

Object

원시 벡터 값이 제공될 때 벡터 검색에 사용할 쿼리 매개 변수입니다.

Name	형식	Description
exhaustive	boolean	true인 경우 벡터 인덱스 내의 모든 벡터에 대해 완전한 k-최근접 이웃 검색을 트리거합니다. 실측 값 결정과 같이 정확한 일치가 중요한 시나리오에 유용합니다.
fields	string	Collection(Edm.Single) 형식의 벡터 필드가 검색된 벡터에 포함될 것입니다.
k	integer (int32)	상위 히트로 반환할 최근접 이웃 수입니다.
kind	string: vector	수행 중인 벡터 쿼리의 종류입니다.
oversampling	number (double)	오버샘플링 계수. 최소값은 1입니다. 인덱스 정의에 구성된 'defaultOversampling' 매개 변수를 재정의합니다. 'rerankWithOriginalVectors'가 true일 때만 설정할 수 있습니다. 이 매개변수는 기본 벡터 필드에서 압축 방법을 사용하는 경우에만 허용됩니다.
vector	number[] (float)	검색 쿼리의 벡터 표현입니다.
weight	number (float)	동일한 검색 요청 내의 다른 벡터 쿼리 및/또는 텍스트 쿼리와 비교할 때 벡터 쿼리의 상대적 가중치입니다. 이 값은 서로 다른 벡터 쿼리에 의해 생성된 여러 순위 목록의 결과 및/또는 텍스트 쿼리를 통해 검색된 결과를 결합할 때 사용됩니다. 가중치가 높을수록 해당 쿼리와 일치하는 문서가 최종 순위에서 더 높게 표시됩니다. 기본값은 1.0이며 값은 0보다 큰 양수여야 합니다.

ScoringStatistics

열거형

보다 일관된 점수를 매기기 위해 점수 매기기 통계(예: 문서 빈도)를 전역적으로 계산할지 아니면 대기 시간을 줄이기 위해 로컬로 계산할지 여부를 지정하는 값입니다. 기본값은 'local'입니다. 'global'을 사용하여 점수를 매기기 전에 전 세계적으로 점수 통계를 집계합니다. 전역 점수 통계를 사용하면 검색 쿼리의 대기 시간이 늘어날 수 있습니다.

값	Description
local	점수 통계는 대기 시간을 줄이기 위해 로컬에서 계산됩니다.
global	점수 통계는 보다 일관된 점수를 위해 전 세계적으로 계산됩니다.

SearchDocumentsResult

Object

인덱스의 검색 결과가 포함된 응답입니다.

Name	형식	Description
@odata.count	integer (int64)	검색 작업에서 찾은 결과의 총 수이며, 개수가 요청되지 않은 경우 null입니다. 있는 경우 개수가 이 응답의 결과 수보다 클 수 있습니다. 이 문제는 $top 또는 $skip 매개 변수를 사용하거나 쿼리가 단일 응답으로 요청된 모든 문서를 반환할 수 없는 경우에 발생할 수 있습니다.
@odata.nextLink	string	쿼리가 요청된 모든 결과를 단일 응답으로 반환할 수 없는 경우 반환되는 연속 URL입니다. 이 URL을 사용하여 다른 GET 또는 POST 검색 요청을 작성하여 검색 응답의 다음 부분을 가져올 수 있습니다. 이 응답을 생성한 요청과 동일한 동사(GET 또는 POST)를 사용해야 합니다.
@search.answers	AnswerResult[]	검색 작업에 대한 답변 쿼리 결과; answers 쿼리 매개 변수가 지정되지 않았거나 'none'으로 설정된 경우 null입니다.
@search.coverage	number (double)	쿼리에 포함된 인덱스의 백분율을 나타내는 값으로, 요청에 minimumCoverage가 지정되지 않은 경우 null입니다.
@search.facets	object	각 패싯 필드에 대한 버킷 콜렉션으로 구성된 검색 조작에 대한 패싯 조회 결과입니다. 쿼리에 패싯 표현식이 포함되어 있지 않은 경우 null입니다.
@search.nextPageParameters	SearchRequest	쿼리가 요청된 모든 결과를 단일 응답으로 반환할 수 없는 경우 반환되는 연속 JSON 페이로드입니다. 이 JSON @odata.nextLink 을 사용하여 다른 POST 검색 요청을 공식화하여 검색 응답의 다음 부분을 가져올 수 있습니다.
@search.semanticPartialResponseReason	SemanticErrorReason	의미 체계 순위 요청에 대해 부분 응답이 반환된 이유입니다.
@search.semanticPartialResponseType	SemanticSearchResultsType	의미 체계 순위 요청에 대해 반환된 부분 응답의 유형입니다.
value	SearchResult[]	쿼리에서 반환된 결과의 순서입니다.

SearchMode

열거형

문서를 일치로 계산하기 위해 검색어 중 일부 또는 전부를 일치시켜야 하는지 여부를 지정합니다.

값	Description
any	문서를 일치로 계산하려면 검색어가 일치해야 합니다.
all	문서를 일치로 계산하려면 모든 검색어가 일치해야 합니다.

SearchRequest

Object

필터링, 정렬, 패싯, 페이징 및 기타 검색 쿼리 동작에 대한 매개 변수입니다.

Name	형식	Description
answers	QueryAnswerType	검색 응답의 일부로 답변을 반환해야 하는지 여부를 지정하는 값입니다.
captions	QueryCaptionType	캡션을 검색 응답의 일부로 반환해야 하는지 여부를 지정하는 값입니다.
count	boolean	총 결과 수를 가져갈지 여부를 지정하는 값입니다. 기본값은 false입니다. 이 값을 true로 설정하면 성능에 영향을 줄 수 있습니다. 반환된 개수는 근사치입니다.
debug	QueryDebugMode	순위가 변경된 결과를 추가로 탐색하는 데 사용할 수 있는 디버깅 도구를 활성화합니다.
facets	string[]	검색 쿼리에 적용할 패싯 표현식 목록입니다. 각 패싯 표현식에는 필드 이름이 포함되며, 선택적으로 쉼표로 구분된 이름:값 쌍 목록이 뒤따릅니다.
filter	string	OData $filter 검색 쿼리에 적용할 식입니다.
highlight	string	적중 강조 표시에 사용할 필드 이름의 쉼표로 구분된 목록입니다. 검색 가능한 필드만 히트 강조 표시에 사용할 수 있습니다.
highlightPostTag	string	적중 강조 표시에 추가되는 문자열 태그입니다. highlightPreTag로 설정해야 합니다. 기본값은 /em<입니다>.
highlightPreTag	string	히트 하이라이트 앞에 추가되는 문자열 태그입니다. highlightPostTag로 설정해야 합니다. 기본값은 em<입니다>.
minimumCoverage	number (double)	쿼리가 성공으로 보고되기 위해 검색 쿼리에서 처리해야 하는 인덱스의 백분율을 나타내는 0에서 100 사이의 숫자입니다. 이 매개 변수는 복제본이 하나만 있는 서비스에서도 검색 가용성을 보장하는 데 유용할 수 있습니다. 기본값은 100입니다.
orderby	string	결과를 정렬할 $orderby 사용하는 OData 식의 쉼표로 구분된 목록입니다. 각 표현식은 필드 이름이거나 geo.distance() 또는 search.score() 함수에 대한 호출일 수 있습니다. 각 표현식 뒤에는 오름차순을 나타내는 asc가 붙거나 내림차순을 나타내는 desc가 올 수 있습니다. 기본값은 오름차순입니다. 동점은 문서의 경기 점수에 의해 깨집니다. $orderby 지정하지 않으면 기본 정렬 순서는 문서 일치 점수에 따라 내림차순입니다. 최대 32개의 $orderby 절이 있을 수 있습니다.
queryType	QueryType	검색 쿼리의 구문을 지정하는 값입니다. 기본값은 'simple'입니다. 쿼리에서 Lucene 쿼리 구문을 사용하는 경우 'full'을 사용합니다.
scoringParameters	string[]	name-values 형식을 사용하여 채점 함수(예: referencePointParameter)에 사용할 매개변수 값 목록입니다. 예를 들어 점수 매기기 프로필이 'mylocation'이라는 매개 변수를 사용하여 함수를 정의하는 경우 매개 변수 문자열은 "mylocation--122.2,44.8"(따옴표 제외)이 됩니다.
scoringProfile	string	결과를 정렬하기 위해 일치하는 문서에 대한 일치 점수를 평가하는 채점 프로파일의 이름입니다.
scoringStatistics	ScoringStatistics	보다 일관된 점수를 매기기 위해 점수 매기기 통계(예: 문서 빈도)를 전역적으로 계산할지 아니면 대기 시간을 줄이기 위해 로컬로 계산할지 여부를 지정하는 값입니다. 기본값은 'local'입니다. 'global'을 사용하여 점수를 매기기 전에 전 세계적으로 점수 통계를 집계합니다. 전역 점수 통계를 사용하면 검색 쿼리의 대기 시간이 늘어날 수 있습니다.
search	string	전체 텍스트 검색 쿼리 표현식; "*"를 사용하거나 이 매개변수를 생략하여 모든 문서를 일치시킵니다.
searchFields	string	전체 텍스트 검색의 범위를 지정할 필드 이름의 쉼표로 구분된 목록입니다. 전체 Lucene 쿼리에서 필드 검색(fieldName:searchExpression)을 사용하는 경우 각 필드 검색 표현식의 필드 이름이 이 매개 변수에 나열된 필드 이름보다 우선합니다.
searchMode	SearchMode	문서를 일치로 계산하기 위해 검색어 중 일부 또는 전부가 일치해야 하는지 여부를 지정하는 값입니다.
select	string	검색할 필드의 쉼표로 구분된 목록입니다. 지정하지 않으면 스키마에서 검색 가능으로 표시된 모든 필드가 포함됩니다.
semanticConfiguration	string	의미 체계 형식의 쿼리에 대한 문서를 처리할 때 사용되는 의미 체계 구성의 이름입니다.
semanticErrorHandling	SemanticErrorMode	사용자가 의미 체계 호출이 완전히 실패할지(기본값/현재 동작) 또는 부분 결과를 반환할지 선택할 수 있습니다.
semanticMaxWaitInMilliseconds	integer (int32) minimum: 700	사용자가 요청이 실패하기 전에 의미 체계 보강이 처리를 완료하는 데 걸리는 시간에 대한 상한을 설정할 수 있습니다.
semanticQuery	string	의미론적 순위 변경, 의미론적 캡션 및 의미론적 답변에만 사용되는 별도의 검색어를 설정할 수 있습니다. 기본 검색 및 순위 지정 단계와 L2 의미 체계 단계 간에 다른 쿼리를 사용해야 하는 시나리오에 유용합니다.
sessionId	string	보다 일관된 결과를 얻는 데 도움이 될 수 있는 고정 세션을 만드는 데 사용할 값입니다. 동일한 sessionId를 사용하는 한 동일한 복제본 집합을 대상으로 최선을 다합니다. 동일한 sessionID 값을 반복적으로 다시 사용하면 복제본 간 요청의 부하 분산을 방해하고 검색 서비스의 성능에 부정적인 영향을 줄 수 있습니다. sessionId로 사용되는 값은 '_' 문자로 시작할 수 없습니다.
skip	integer (int32)	건너뛸 검색 결과의 수입니다. 이 값은 100,000보다 클 수 없습니다. 문서를 순서대로 스캔해야 하지만 이 제한으로 인해 건너뛰기를 사용할 수 없는 경우 전체 정렬된 키에서 orderby를 사용하고 대신 범위 쿼리로 필터링하는 것이 좋습니다.
top	integer (int32)	검색할 검색 결과의 수입니다. 이는 $skip와 함께 사용하여 검색 결과의 클라이언트 쪽 페이징을 구현할 수 있습니다. 서버 쪽 페이징으로 인해 결과가 잘리는 경우 응답에는 결과의 다음 페이지에 대한 다른 검색 요청을 실행하는 데 사용할 수 있는 연속 토큰이 포함됩니다.
vectorFilterMode	VectorFilterMode	벡터 검색이 수행되기 전이나 후에 필터를 적용할지 여부를 결정합니다. 새 인덱스의 기본값은 'preFilter'입니다.
vectorQueries	VectorQuery[]: RawVectorQuery[] VectorizableTextQuery[]	벡터 및 하이브리드 검색 쿼리에 대한 쿼리 매개 변수입니다.

SearchResult

Object

검색 쿼리에서 찾은 문서와 연결된 메타데이터를 포함합니다.

Name	형식	Description
@search.captions	CaptionResult[]	캡션은 검색 쿼리에 비해 문서에서 가장 대표적인 구절입니다. 문서 요약으로 자주 사용됩니다. 캡션은 '의미론' 형식의 쿼리에 대해서만 반환됩니다.
@search.documentDebugInfo	DocumentDebugInfo	검색 결과를 추가로 탐색하는 데 사용할 수 있는 디버깅 정보가 포함되어 있습니다.
@search.highlights	object	일치하는 검색어를 나타내는 문서의 텍스트 조각으로, 각 해당 필드별로 정리되어 있습니다. 쿼리에 대해 적중 강조 표시를 사용하도록 설정하지 않은 경우 null입니다.
@search.rerankerBoostedScore	number (double)	순위 조정 점수를 높여 계산된 관련성 점수입니다. 검색 결과는 시맨틱 구성의 useScoringProfileBoostedRanking을 기반으로 RerankerScore/RerankerBoostedScore를 기준으로 정렬됩니다. RerankerBoostedScore는 '의미론' 형식의 쿼리에 대해서만 반환됩니다.
@search.rerankerScore	number (double)	상위 검색 결과에 대한 의미 체계 순위 지정기에서 계산한 관련성 점수입니다. 검색 결과는 먼저 RerankerScore를 기준으로 정렬된 다음 Score를 기준으로 정렬됩니다. RerankerScore는 '의미론' 형식의 쿼리에 대해서만 반환됩니다.
@search.score	number (double)	쿼리에서 반환된 다른 문서와 비교한 문서의 관련성 점수입니다.

SemanticErrorMode

열거형

사용자가 의미 체계 호출이 완전히 실패할지(기본값/현재 동작) 또는 부분 결과를 반환할지 선택할 수 있습니다.

값	Description
partial	의미 체계 처리가 실패하면 부분 결과가 여전히 반환됩니다. 부분 결과의 정의는 실패한 의미 체계 단계와 실패 이유에 따라 다릅니다.
fail	시맨틱 처리 단계 중에 예외가 발생하면 쿼리가 실패하고 오류에 따라 적절한 HTTP 코드를 반환합니다.

SemanticErrorReason

열거형

의미 체계 순위 요청에 대해 부분 응답이 반환된 이유입니다.

값	Description
maxWaitExceeded	만약이 `semanticMaxWaitInMilliseconds` 설정되었고 의미 체계 처리 기간이 해당 값을 초과했습니다. 기본 결과만 반환되었습니다.
capacityOverloaded	요청이 제한되었습니다. 기본 결과만 반환되었습니다.
transient	의미 체계 프로세스의 한 단계 이상이 실패했습니다.

SemanticSearchResultsType

열거형

의미 체계 순위 요청에 대해 반환된 부분 응답의 유형입니다.

값	Description
baseResults	의미 체계 강화 또는 순위 변경이 없는 결과입니다.
rerankedResults	결과는 순위 조정 모델로 순위가 변경되었으며 의미 체계 캡션이 포함됩니다. 답변, 답변 강조 표시 또는 캡션 강조 표시는 포함되지 않습니다.

SingleVectorFieldResult

Object

단일 벡터 필드 결과입니다. 및 벡터 유사성 값이 모두 @search.score 반환됩니다. 벡터 유사성은 방정식과 관련이 @search.score 있습니다.

Name	형식	Description
searchScore	number (double)	@search.score 벡터 유사성 점수에서 계산되는 값입니다. 순수 단일 필드 단일 벡터 쿼리에서 볼 수 있는 점수입니다.
vectorSimilarity	number (double)	이 문서의 벡터 유사성 점수입니다. 이것은 '거리' 버전이 아닌 유사성 메트릭의 표준 정의입니다. 예를 들어, 코사인 거리 대신 코사인 유사성입니다.

TextResult

Object

쿼리의 텍스트 부분에 대한 BM25 또는 클래식 점수입니다.

Name	형식	Description
searchScore	number (double)	쿼리의 텍스트 부분에 대한 BM25 또는 클래식 점수입니다.

VectorFilterMode

열거형

벡터 검색이 수행되기 전이나 후에 필터를 적용할지 여부를 결정합니다.

값	Description
postFilter	필터는 벡터 결과의 후보 집합이 반환된 후에 적용됩니다. 필터 선택성에 따라 매개변수 'k'에서 요청한 것보다 더 적은 결과가 발생할 수 있습니다.
preFilter	필터는 검색어 앞에 적용됩니다.

VectorizableTextQuery

Object

벡터화해야 하는 텍스트 값이 제공될 때 벡터 검색에 사용할 쿼리 매개 변수입니다.

Name	형식	Description
exhaustive	boolean	true인 경우 벡터 인덱스 내의 모든 벡터에 대해 완전한 k-최근접 이웃 검색을 트리거합니다. 실측 값 결정과 같이 정확한 일치가 중요한 시나리오에 유용합니다.
fields	string	Collection(Edm.Single) 형식의 벡터 필드가 검색된 벡터에 포함될 것입니다.
k	integer (int32)	상위 히트로 반환할 최근접 이웃 수입니다.
kind	string: text	수행 중인 벡터 쿼리의 종류입니다.
oversampling	number (double)	오버샘플링 계수. 최소값은 1입니다. 인덱스 정의에 구성된 'defaultOversampling' 매개 변수를 재정의합니다. 'rerankWithOriginalVectors'가 true일 때만 설정할 수 있습니다. 이 매개변수는 기본 벡터 필드에서 압축 방법을 사용하는 경우에만 허용됩니다.
text	string	벡터 검색 쿼리를 수행하기 위해 벡터화할 텍스트입니다.
weight	number (float)	동일한 검색 요청 내의 다른 벡터 쿼리 및/또는 텍스트 쿼리와 비교할 때 벡터 쿼리의 상대적 가중치입니다. 이 값은 서로 다른 벡터 쿼리에 의해 생성된 여러 순위 목록의 결과 및/또는 텍스트 쿼리를 통해 검색된 결과를 결합할 때 사용됩니다. 가중치가 높을수록 해당 쿼리와 일치하는 문서가 최종 순위에서 더 높게 표시됩니다. 기본값은 1.0이며 값은 0보다 큰 양수여야 합니다.

VectorQueryKind

열거형

수행 중인 벡터 쿼리의 종류입니다.

값	Description
vector	원시 벡터 값이 제공되는 벡터 쿼리입니다.
text	벡터화해야 하는 텍스트 값이 제공되는 벡터 쿼리입니다.

VectorsDebugInfo

Object

Name	형식	Description
subscores	QueryResultDocumentSubscores	RRF와 같은 선택한 결과 집합 융합/조합 방법 이전의 문서의 하위 점수 분석입니다.

다음을 통해 공유

Documents - Search Post

URI 매개 변수

요청 헤더

요청 본문

응답

예제

SearchIndexSearchDocumentsPost

샘플 요청

샘플 응답

SearchIndexSearchDocumentsSemanticPost

샘플 요청

샘플 응답

정의

AnswerResult

CaptionResult

DocumentDebugInfo

ErrorAdditionalInfo

ErrorDetail

ErrorResponse

QueryAnswerType

QueryCaptionType

QueryDebugMode

QueryResultDocumentSubscores

QueryType

RawVectorQuery

ScoringStatistics

SearchDocumentsResult

SearchMode

SearchRequest

SearchResult

SemanticErrorMode

SemanticErrorReason

SemanticSearchResultsType

SingleVectorFieldResult

TextResult

VectorFilterMode

VectorizableTextQuery

VectorQueryKind

VectorsDebugInfo