リランキング
リランキング(reranking)とは、候補文書の短いリストを受け取り、最初の検索より正確だが遅いモデルを使って、クエリとの関連度で並べ替える2段目の検索ステップです。
別名: reranker, re-ranking, reranker model
執筆 Divya Sharma · 2026年11月15日確認 · レビューの方法
1段目の検索は、ベクトル検索、BM25、ハイブリッド検索のいずれであっても、数百万の項目を高速に処理しなければならないため、クエリと各文書を安価な方法で比較します。リランカーは上位数十件の候補だけを見るため、クエリと各文書を一緒に読み、関連度をより丁寧に判断する余裕があります。
リランカーモデル
リランカーモデルはクエリと文書を受け取り、関連度のスコアを返します。ほとんどはクロスエンコーダーで、1つのTransformerが両方のテキストを同時に読みます。ホスト型の選択肢にはCohere Rerank 5やVoyage Rerank 3があり、オープンウェイトのものにはJina Reranker v3.5があります。LLMをリランカーとして使うチームもありますが、クエリあたりの費用は高くなります。
例
ある検索拡張生成アプリが「年間プランの返金期間」について数十個のチャンクを取得します。リランカーは年間プランの返金条項をリストの奥から1位に移し、プロンプトに入るのは上位の数件だけです。チャンクが少なく質が高いほどプロンプトは短くなり、モデルが誤った文章に飛びつく余地も減ります。
限界
1段目で取得されなかった文書はリランカーでも救えないため、1段目の再現率は依然として重要です。クエリごとにレイテンシとコストが加わります。検索とリランキングのガイドで選択肢を比較しています。
関連用語
- クロスエンコーダー
- クロスエンコーダー(cross-encoder)とは、クエリと文書を 1 回の処理でまとめて読み、関連度のスコアを出力するモデルです。別々の埋め込みを比べるより正確ですが、コレクション全体に対して実行するには遅すぎます。
- 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。
- 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。
- レイトインタラクション(ColBERT)
- レイトインタラクション(late interaction)とは、ColBERT が導入した検索の手法です。クエリと各文書を別々に、トークンごとに 1 つのベクトルへエンコードし、最後の安価な手順でそのトークンのベクトルを比べて一致度を採点します。
- 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。