クエリ書き換え
クエリ書き換え(query rewriting)とは、検索の前にユーザーの質問を明確にする、分割する、関連語を加えるなどして変更し、リトリーバーがその答えとなる文章を見つけやすくすることです。
別名: query expansion, HyDE, query transformation
執筆 Divya Sharma · 2026年11月15日確認 · レビューの方法
人は短く、あいまいで、話し言葉のような質問を入力します。「もう1つの方はどう?」は、それまでの会話がなければ検索インデックスにとって意味を持ちません。検索拡張生成では、書き換えのステップ、通常はLLMの呼び出しが、生の入力を1つ以上のより良い検索クエリに変えます。
よく使われる手法
書き換え:チャットの履歴から代名詞を解決し、質問を単独で意味が通るクエリに言い直します。クエリ拡張:同義語や関連語を加えます。BM25のようなキーワード検索に役立ちます。分解:複数の部分からなる質問をサブクエリに分け、それぞれを検索します。マルチクエリ:ハイブリッド検索のように、いくつかの言い回しを生成して結果を統合します。
HyDE
Hypothetical Document Embeddings(HyDE)は、LLMに質問への架空の回答を書かせ、その回答を埋め込んで検索に使います。架空の回答には誤った細部が含まれるかもしれませんが、探している文書に似ているため、その埋め込みは短い質問よりも文書の近くに位置 することがよくあります。
研究上の根拠
Rewrite-Retrieve-Readの論文は、この問題をユーザーが入力するものと検索が必要とするものとのギャップとして捉え、そのための小さな書き換えモデルを学習させました。
限界
書き換えのたびにLLMの呼び出しが加わるため、レイテンシとコストが上がります。書き換えがユーザーの意図からずれることもあります。元のクエリと書き換えたクエリの両方を記録し、書き換えが自分のデータで実際に検索の指標を改善しているかを確認してください。これをループの中で行うのは、agentic RAGの一形態です。
関連用語
- 検索拡張生成(RAG)
- 検索拡張生成(retrieval-augmented generation、RAG)とは、システムがまず文書の集まりから質問に関連する文章を検索し、その文章を言語モデルに渡して、それに基づいて回答させるパターンです。
- ハイブリッド検索
- ハイブリッド検索(hybrid search)とは、同じクエリに対 してキーワード検索とベクトル検索を実行し、2 つの順位付きリストを統合する検索です。正確な単語での一致と、意味での一致の両方を結果に反映できます。
- エージェント型 RAG
- エージェント型 RAG(agentic RAG)とは、AI エージェントが実行する検索拡張生成です。エージェントはいつ検索するか、何を検索するか、どの情報源を使うかを決め、最初の結果が不十分なら検索し直せます。
- 埋め込み
- 埋め込み(embedding)とは、テキスト、画像、その他のデータを表す数値の並び(ベクトル)です。意味の似たものほどベクトルが近くなるように作られます。
- 検索の指標(recall@k、nDCG、MRR)
- 検索の指標とは、検索システムが関連する文書をどれだけうまく返すかを評価するものです。recall@kは上位k件に関連項目がいくつ含まれるかを確認し、nDCGはそれらを上位に並べることを評価し、MRRは最初の正解がどれだけ早く現れるかを測ります。