ハイブリッド検索
はいぶりっどけんさく
ハイブリッド検索とは、キーワードベースの全文検索（BM25 等）とベクトル検索（セマンティック検索）を組み合わせ、両者の長所を活かして検索精度を向上させる手法である。
RAG の検索精度を左右する最大の要因は、関連文書を正しく取得できるかどうかだ。ベクトル検索だけでは「ISO 27001」のような固有名詞の完全一致に弱く、BM25 だけでは「情報セキュリティの国際規格」のような意味的な言い換えに対応できない。ハイブリッド検索はこの二つの弱点を相互に補完する。
実装パターンはいくつかあるが、最も一般的なのは BM25 とベクトル検索をそれぞれ実行し、結果を RRF（Reciprocal Rank Fusion）で統合する方式だ。各検索手法が返すランキングの逆数を足し合わせ、最終スコアとしてリランキングする。数式は単純だが、単独の検索手法より一貫して高い精度を示すことが実証されている。
pgvector + PostgreSQL の全文検索を組み合わせれば、追加のインフラなしでハイブリッド検索を実現できる。Supabase 上では、ベクトルカラムと tsvector カラムを同一テーブルに持ち、SQL の中で両方のスコアを計算して統合するアプローチが実用的だ。
チャンクサイズの設計も精度に影響する。小さなチャンクはベクトル検索の精度を高めるが、BM25 では文脈が失われやすい。実務では 500〜1000 トークン程度のチャンクに、前後の文脈をオーバーラップさせる設計が多い。
この用語を扱う記事
- ハイブリッド検索とは？ベクトル検索×全文検索でRAG精度を上げる仕組みと実装ハイブリッド検索の仕組みをベクトル検索・BM25・RRFの観点から解説。RAGシステムの検索精度を高める設計パターンと実装時の注意点を実務目線でまとめます。
- RAG 構築の失敗パターン10選と回避策 — 本番運用で起きる問題を事前に防ぐRAG構築で本番運用前後に起きやすい失敗パターン10選を解説。チャンク設計の誤り・検索精度の低下・ハルシネーション対策まで、実装前に知っておくべき回避策を具体的に紹介します。
- ベクトルデータベースとは？仕組み・主要製品比較・RAG活用まで徹底解説ベクトルデータベースの基本概念から、Pinecone・Weaviate・pgvectorなど主要製品の比較、RAGシステムへの活用方法まで、AI導入担当者向けにわかりやすく解説します。
- AIグラウンディングとは？LLMの事実検証とWeb検索による回答精度改善の実装ガイドAI グラウンディングは LLM の回答を権威ある情報源で裏付ける技術。RAG や Web 検索を活用したハルシネーション抑制の仕組みと業務導入の実装ステップを解説します。
関連用語
RRF
RRF（Reciprocal Rank Fusion）とは、複数の検索手法が返すランキング結果を統合するスコアリング手法である。各手法での順位の逆数を合算することで、異なるスコア体系を正規化なしに融合
Agentic RAG
Agentic RAG とは、LLM がエージェントとして検索クエリの生成・結果の評価・再検索の判断を自律的に繰り返すことで、単純な一問一答型 RAG では得られない回答精度を実現するアーキテクチャで
エンベディング
エンベディング（Embedding）とは、テキスト・画像・音声などの非構造化データを、意味的な関係性を保ったまま固定長の数値ベクトルに変換する技術である。
GraphRAG
ナレッジグラフとベクトル検索を組み合わせ、エンティティ間の関係性を活用して検索精度を向上させる次世代RAGアーキテクチャ。