← 概念解説に戻る

Concept Fable

セマンティック検索

先に結論:セマンティック検索(Semantic Search)は、正確なキーワード一致ではなく意味に基づいて結果を検索する。クエリと文書を同じベクトル空間に埋め込み、ベクトル距離を計算して意味的に最も近い内容を見つける。従来のキーワード検索と比べ、セマンティック検索は同義語、類義表現、言語横断、曖昧な記述を扱え、再現率がより完全である。企業 RAG では、セマンティック検索は通常キーワード検索(BM25 などの疎検索)と組み合わせてハイブリッド検索となり、純粋なベクトル検索が正確な用語、数値範囲、構造化フィルタで不足する点を補う。実装時には embedding モデルの選択、ベクトル次元とインデックスの決定、類似度尺度の設定、再現ドリフトの継続的な監視が必要である。

セマンティック検索 · 検索手法

まず物語を読む。ここでは急いで定義を示さず、まず問題そのものを立ち上がらせる。

寓話

老館長はキーワードの引き出しを倉庫にしまい込んだ

城の公共図書館は八十年の歴史がある。貸出規則は最初から変わっていない。探したい本があれば、まず索引カードをめくり、書名か著者名の文字を正しく綴り、それから棚で探す。

読者が増え始め、問い方も変わった。「咳を治せる植物は何か」を知りたい者もいれば、「どうすれば小隊が喧嘩しないか」を探す者もおり、「青い表紙で漁村の物語を語る古い本」だけを覚えている者もいた。

管理者はカードをテーマ別に並べ直し、さらに多くのキーワードを加えた。それでも読者はため息をつく。咳と咳止めが結びつかず、口論とチームの摩擦が結びつかず、漁村と海辺の小さな町も結びつかない。

館長はまた、分厚いキーワード対照表を作らせた。問い方ごとに、どのカードを調べるべきかが横に書かれた。表は厚くなる一方で、管理者は毎日、本を調べるより表を調べる時間の方が長くなった。

一人の新しい図書員は、言葉を補い続けるのをやめた。彼女は各本の内容、目次、読者のメモを一連の意味座標にし、各本の位置がおおよそ何について語っているかを表すようにした。読者の質問も同じ地図上に置き、距離の近い本を探す。

初版が出たとき、誰かが「喉が不快なときの草薬」で医書の咽痛の項目を見つけた。索引カードにはこの文字はなかった。館長はそこで初めて気づいた。一致しているのは意味であり、字面ではない。

後に館は新旧の方法を重ねて使った。意味座標は関連の発見を担い、年、カテゴリ、所蔵位置は依然として正確な条件で限定する。新しい図書員も正確な手がかりを捨てなかった。読者が書名を知っていれば、依然として書名が最速。症状、場面、目的だけを言うなら、意味地図が役立つ。二つの探し方は異なる入口に応える。彼女はまた地図に境界を設けた。民間療法と正式な医書は近くても、同じ信頼度に混ぜてはならない。小説の漁村と航海マニュアルは場面が似ていても用途は異なる。意味を探すときもカテゴリ、出所、使用場面を保つ必要がある。読者も徐々に自然な言い方で質問することを学んだ。図書館は人の意図に応え、人にまず索引カードになることを求めない。館長は言った。問い方が自由になると、所蔵は本当に普通の人に開かれる。しかし彼女は皆に、近いことは同じではない、見つけた後も本文を読むよう促した。

老館長は最大のキーワード対照表を地下室へ送った。検索は質問者にまず館内の隠語を覚えさせるべきではない。

明らかにする

この物語が語るのは:セマンティック検索

セマンティック検索(Semantic Search)は、正確なキーワード一致ではなく意味に基づいて結果を検索する。クエリと文書を同じベクトル空間に埋め込み、ベクトル距離を計算して意味的に最も近い内容を見つける。従来のキーワード検索と比べ、セマンティック検索は同義語、類義表現、言語横断、曖昧な記述を扱え、再現率がより完全である。企業 RAG では、セマンティック検索は通常キーワード検索(BM25 などの疎検索)と組み合わせてハイブリッド検索となり、純粋なベクトル検索が正確な用語、数値範囲、構造化フィルタで不足する点を補う。実装時には embedding モデルの選択、ベクトル次元とインデックスの決定、類似度尺度の設定、再現ドリフトの継続的な監視が必要である。

重要なのは、それが単なる用語ではなく、実際のAI/Agentシステムで繰り返し現れる構造的な問題だという点だ。これを理解して初めて、いつモデルを足すべきか、いつプロセスを変えるべきか、いつガバナンスを補うべきかを判断できる。

メタファーのマッピング

  • 索引カード:従来のキーワード/用語検索。文字通りの一致が必須
  • 「咳」と「咳止め」は釣り合わない:キーワードマッチングでは同義語や意味の変化に対応できない
  • キーワード対照表:同義語辞書やルールマッピング、表現の多様性に伴い保守コストが爆発する
  • SQL LIKE クエリ:正確なパターンマッチングで、意図ではなく表面の文字列だけを捉える
  • 数字の集合に変換する:テキストをベクトル空間に embedding する
  • 数字が最も近い書物:ベクトル類似度計算、字面ではなく意味に基づく
  • 新旧二つの方法を重ねる:hybrid search、セマンティック検索 + キーワード/フィルタの組み合わせ
  • まずシステム言語を学ぶ必要はない:セマンティック検索がユーザーのクエリ精度要件を下げる

Andy(任旭)判断

この概念の実戦的価値は、「賢く見えるAI機能」を納品可能、検収可能、ガバナンス可能な作業単位に分解する手助けをすることです。

embeddingsベクトルデータベースdense retrievalハイブリッド検索similarity searchANN search

関連する識別

この概念は隣接概念と混用されやすいので、対比ページを続けて見ることをおすすめする。

京ICP备2026014272号