キーワード検索は言葉そのものを、ベクトル検索は意味を見つけます。ハイブリッド検索は両方を実行し、結果を統合します。
仕組み
クエリは 2 つの検索器に同時に送られます。
- キーワード:転置インデックス上の BM25。名前、コード、珍しい語に強い方式です。
- ベクトル:ベクトルデータベース内のエンベディングに対する最近傍探索。言い換えや類義語に強い方式です。
2 つのスコアは尺度が異なるため、多くのシステムは順位か正規化したスコアで統合します。
**Reciprocal Rank Fusion(RRF)**は Cormack、Clarke、Büttcher(SIGIR 2009)によるもので、文書が現れたリストごとに 1 項ずつ加算します。Elasticsearch はこのループを score += 1.0 / (k + rank(result(q), d)) と記述しており、ランク定数 k のデフォルトは 60 です。ドキュメントには “RRF requires no tuning.”(訳:RRF はチューニング不要)とあります。
k = 60 での計算例です。
| 文書 | BM25 の順位 | ベクトルの順位 | RRF スコア |
|---|---|---|---|
| A | 1 | 3 | 1/61 + 1/63 = 0.0323 |
| B | 2 | 1 | 1/62 + 1/61 = 0.0325 |
| C | 見つからず | 2 | 1/62 = 0.0161 |
両方の検索器が上位に置いたため、B が 1 位になります。
もう 1 つの一般的な方法が重み付き統合です。Weaviate が v1.24 からデフォルトにしている relativeScoreFusion は、各検索のスコアを正規化し、比率をかけて合計します。alpha 設定で両者の重みを決め、0 はキーワードのみ、1 はベクトルのみ、0.75 がサーバーのデフォルトです。ドキュメントは alpha を明示的に設定するよう勧めています。デフォルトの 0.75 が適用されるのは alpha を指定しないリクエストがサーバーに届いた場合だけで、すべてのクライアントライブラリが未設定のまま送るわけではないため、実際の重み付けが異なることがあるからです。
統合の後、上位の結果にリランカーをかけるパイプラインも多くあります。
なぜ重要か
- 再現率。 実際のクエリには、正確な語とあいまいな表現が混ざっています。検索器が 1 つだけでは、その一部を取りこぼします。
- アラビア語。 アラビア語は綴りの揺れ(alef の字形、ta marbuta、発音記号)が多く、テキストを正規化しないとキーワードの完全一致が効きにくくなります。ベクトル検索を加えると、正しいチャンクにたどり着く経路がもう 1 つ増えます。アラビア語の RAG 検索と検索のためのアラビア語テキスト正規化を参照してください。
- トークンの節約。 検索の精度が上がれば、質問ごとに LLM に送るチャンクが減ります。
BroadNet Inference の場合
ハイブリッド検索は、Elasticsearch、OpenSearch、Weaviate などの自前の検索基盤で動かします。BroadNet は embeddings や rerank のエンドポイントを提供していないため、エンベディングは別のプロバイダーかローカルモデルで作成してください。統合した上位のチャンクを、Chat Completions API で Qwen3.8 27B や GLM 5.3 などの BroadNet のチャットモデルに送ります。コーパスが小さい場合は、文書を長いコンテキストにそのまま入れる方法とも比べてみてください。ロングコンテキストと RAG の比較を参照してください。