本文へスキップ
ReviewRamble

週刊ブリーフ

AIのレビューを、あなたの受信箱に。

  • ツール、モデル、MCPサーバー、リポジトリの新しいレビュー(結論を最初に)
  • 変更があったときに再確認した価格と評価
  • 公開された新しい分析記事

モデル、エージェント、MCPサーバー、そして本当に時間をかける価値のあるツール。

週に1通です。配信停止は各メールのリンクからできます。 メールアドレスの利用について

ベクトル検索

ベクトル検索(vector search)とは、項目の埋め込みをクエリの埋め込みと比較し、最も近いものを返すことで項目を見つける方法です。共通のキーワードではなく意味で一致する結果が得られます。

別名: semantic search, similarity search, dense retrieval

執筆 Divya Sharma · 2026年11月15日確認 · レビューの方法

キーワード検索は、入力した単語を含む文書を見つけます。ベクトル検索は、埋め込みがクエリの埋め込みの近くにある文書を見つけるため、「車のエンジンがかからない」が「バッテリー上がりのトラブルシューティング」という題のページに一致することがあります。近さはコサイン類似度、内積、ユークリッド距離で測ります。

Dense retrieval

Dense retrieval(密な検索)は、同じ考え方の情報検索での呼び名です。クエリと文章をそれぞれ密なベクトルに符号化し、検索は最近傍の参照になります。この用語は、ベクトルの要素の大半がゼロで、それぞれが1つの単語を表すBM25のようなスパース検索と対比されます。2020年のdense passage retrievalの論文は、質問と文章のペアで学習したこの手法が、オープンドメインの質問応答で強力なBM25のベースラインを上回りうることを示しました。

大規模での実行

クエリを保存済みのすべてのベクトルと比較するのは正確ですが遅いものです。本番のシステムは、通常ベクトルデータベースの中で、HNSWのような近似最近傍のインデックスを使います。

限界

ベクトル検索は、名前、エラーコード、まれな語の完全一致を取りこぼすことがあり、関連するものが何もなくても必ず何かを返します。多くのチームは、ハイブリッド検索でキーワード検索と組み合わせ、その後リランキングを適用します。

関連用語

近似最近傍探索
近似最近傍探索(approximate nearest neighbor、ANN)とは、保存したすべてのベクトルを調べることなく、クエリに近いベクトルを見つける探索です。厳密に最良の一致を保証しない代わりに、大規模なコレクションではるかに速く検索できます。
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。
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。
ベクトルデータベース
ベクトルデータベース(vector database)とは、埋め込みを元のレコードとともに保存し、クエリのベクトルに最も近い保存済みのベクトルを見つけるデータベースです。数百万の項目にわたって検索を高速に保つため、通常は近似インデックスを使います。
BM25
BM25 はキーワード検索のための順位付けの式です。クエリの単語が各文書にどれだけ出てくるかで文書を採点し、珍しい単語には大きな重みを与え、長い文書や繰り返される語の評価は抑えます。

出典