メインコンテンツにスキップ
自媒科技企業向けAI・開発から導入まで
日本語JA
プロジェクト相談

企業AIプロジェクトWiki · データ・知識・モデル

検索

別名Information retrieval · IR · Search · 情報検索 · コンテンツ検索 · 知識検索 · 检索

定義

検索とは、明確な情報要求を一つ以上の query として表し、特定され許可された内容集合へ必須 filter と matching を適用し、候補を生成し、関連性を計算または統合し、順位付けして位置特定可能な結果を返す処理である。管理された結果は query、集合・版、呼出者権限、命中対象・位置・情報源、score または順位根拠、filter・拒否状態、実行時刻を識別できる。

検索は許可集合から先に何を探すかを答え、最終回答を直接生成しない

利用者が質問すると、システムはまずどこを探し、どの候補を見つけ、何を返してよいかを判断する。検索は使えそうな根拠を次工程へ渡すが、関連しているだけで正確性や十分性が証明されるわけではない。

「一定額を超える購入はどう承認するか」という問いでは、まず現行規程、権限表、履歴記録のどれを検索し、閾値、適用組織、例外、有効時点を含む内容を見つける。候補返却だけでは業務判断は完了せず、証拠十分性、情報源競合、利用者権限を確認する必要がある。

情報検索は情報要求と内容対象の関連関係を扱う。query は要求の一表現で、複数の下位質問、略語、誤字、時間範囲、暗黙対象を含み得る。同じ語が部門ごとに別物を指すこともあり、品質を keyword 出現や vector 距離だけへ縮小できない。

NIST の RAG 定義は独立した検索 system・知識ベースと生成 model を区別し、関連情報を先に探して文脈として渡す。検索は単独で企業 search に使えて RAG の一部にもなるが、集合、権限、版、順位、結果への責任は変わらない。

検索契約は入力、集合、制約、出力、失敗状態を先に定める

「質問を受けて結果を返す」だけでは、失敗時の責任を判断できない。試験可能な契約には、対象集合、時点・権限制約、返す根拠、見つからない場合の停止状態まで含める。

  1. 情報要求

    利用者が事実、定義、規則、手順、比較、事例、履歴状態、証拠集合、操作可能対象の何を求めるかを示す。

    質問分類、task 説明、sample query

  2. query 表現

    原 query、言語、時点、会話範囲と、rewrite、展開、entity resolution、subquery、filter を保存し、利用者文と system 生成を分ける。

    query log、変換 chain、解析 field

  3. 対象集合

    知識ベース、data source、index、field、版と、現行・履歴・地域・製品・tenant 範囲を明示する。「全て検索」は境界にならない。

    集合 catalog、index 版、routing 規則

  4. 本人性・権限

    信頼できる利用者・service ID で、候補 recall 前に tenant、対象、属性、用途、内容状態を制限する。

    ID context、filter policy、拒否記録

  5. 候補・順位

    完全一致、構造化、全文、sparse、dense vector、graph、組合せ方式、候補数、fusion、reranking、最終件数を記録する。

    検索設定、段階結果、score

  6. 結果対象

    内容 ID、題名、passage、情報源版、位置、適用時点、access tag、関連情報、開ける引用を返し、追跡不能な本文だけを返さない。

    結果 schema、情報源 link、引用試験

  7. 失敗状態

    関連内容なし、権限除外、index 未更新、query 解釈不能、情報源競合、資料不足、依存障害、timeout を区別する。

    status code、利用者表示、alert・引継ぎ

情報要求を理解してから query を書換え、分解、展開する

利用者の言葉が、そのまま最適な検索式とは限らない。「今月あといくら精算できるか」には本人、期間、限度額の定義、使用済み額が関わる。原質問を残し、意味を自由に変えず必要条件だけを補う。

原表現

利用者の原文、言語、channel を保持する。誤字、同義語、略語を直す際は記録し、金額、時点、組織、否定を黙って変えない。

意図・対象

人物、製品、規程、transaction、状態、定義、手順の何を探すかを識別し、名称を安定 entity ID へ解決する。不確実なら候補を保つか質問する。

時点・範囲

「今」「当時」「この地域」「私の申請」は信頼できる時刻、本人性、業務 context から filter にし、similarity に推測させない。

query 展開

管理済み同義語、alias、用語階層、綴り変種で coverage を広げ、原語と展開元を残す。過度な一般化は別業務対象を混入させる。

query 分解

制度規則、real-time 申請、仕入先 master のような独立条件・証拠を subquery に分け、承認済み logic で組み合わせる。

clarification

対象、時点、地域、目的で結果が実質変わるなら利用者に確認する。安全な default を使う場合も表示し、高 score で曖昧さを隠さない。

query security

query 言語、field、regex、script、filter を制限し、injection、越権列挙、resource 枯渇、誤 access を防ぐ。model 生成 query も決定的検証を通す。

検索は取込み・索引済みで現行かつ許可された集合にしか働かない

社内ドライブにファイルがあっても、今回の検索範囲へ入っているとは限らない。索引済みでも版や権限が有効とは限らない。集合台帳と同期状態が、見つかる理由・見つからない理由を説明する。

集合 coverage

内容種類、情報源、組織、地域、言語、時点、既知空白を登録する。関連内容が集合へ入っていなければ ranker 調整で作り出せない。

検索単位

文書、chunk、record、entity、規則、表行、画像、多模態 object は別単位を要し得る。一つの vector field が全対象へ自動適合しない。

index field

検索本文、題名、keyword、entity、構造、sparse/dense vector、filter、return、rank、引用 field を分け、機微 metadata を自由検索文へ出さない。

解析・言語

tokenization、大小文字、語形、stop word、同義語、文字正規化は一致へ影響する。中国語、英語、日本語、混合技術語を別々に検証する。

版・鮮度

情報源、切分、embedding、field schema、権限 snapshot、build 版を記録する。現行 query は失効・未発効を除き、履歴 query は当時版へ戻る。

再構築

承認情報源一覧、変換設定、index schema、処理版を保持し、破損、model 交換、platform 移行時に不明な既存 score へ依存せず再構築する。

完全一致、構造化、全文、vector、hybrid、graph は異なる問いを解く

規程番号は完全一致、注文状態は構造化照会、自然な言い換えはベクトル検索に向くことがある。新しい方式ほど良いのではなく、対象質問を安定して扱い、必要なら他経路と補完できることが重要である。

方式適する問いと限界
安定 ID の完全一致注文、文書、人物、版を ID で確定取得する。ID 欠落・誤り時に意味の近い対象を自動で探さない。
構造化 query・filterfield、範囲、時点、状態、関係で record を取得・計算する。明確な schema と意味が必要で、長文検索は代替しない。
全文・lexical転置 index、phrase、field weight、BM25 等で固有名、code、番号、完全表現を探す。同義改写や異言語意味は漏れ得る。
sparse semantic高次元 sparse 語項または学習 weight で語彙解釈性を保ちながら展開する。語項空間、model、training domain の影響を受ける。
dense vectorembedding で異なる表現の意味類似を探す。完全 ID、否定、細かな規則差を漏らし得て、権限を担うことはできない。
hybridlexical、vector 等を並列 recall し、正規化や RRF で融合する。完全一致と意味を補完するが tuning・診断が複雑になる。
graph・関係entity・関係をたどって接続、影響、多段事実を探す。欠落・誤関係を path query が自動修正しない。
複数 index・tool routing規程、製品、事例、real-time 業務、外部資料へ問いを振り分ける。誤 routing は誤集合を検索するため、tool 範囲と選択精度を検証する。

権限、有効期間、業務範囲は hard filter で、関連 score の加減ではない

内容が非常に関連していても、閲覧権限がなければ除外する。失効規則も、意味が近いという理由で上位に置けない。適格性は関連順位より先に適用し、候補、キャッシュ、最終文脈まで維持する。

検索前認可

信頼 ID・policy で候補を狭めてから lexical/vector matching する。後から消しても search、rerank、log、model context へ既に露出している。

文書・内容権限

一文書内で機密が違うなら独立検索単位で実行する。親・隣接展開は含む内容中の最厳格権限を使う。

tenant 分離

共有 index は回避不能な tenant key・filter を使い、cache、pagination、suggest、count、log、運用 tool も分離する。高 risk では独立 index を使える。

時点・状態

公開、発効、失効、撤回、draft、履歴を filter する。高関連 score でも未発効制度で現在を答えない。

業務適用

組織、地域、製品、顧客、言語、役割、用途を recall 前に適用する。範囲横断比較には明示意図と権限が要る。

filter 後 coverage

filter によりアクセス可能証拠が不足し得る。前後の候補・Recall を測り、不足を説明し、命中率向上のため権限を緩めない。

audit

実 ID、policy 版、filter 条件、候補数、拒否理由を記録しつつ log を最小化し、query・passage の監視系漏えいを防ぐ。

候補 recall、score 融合、ranking、reranking は連携する別段階

候補抽出では広めに拾い、再順位付けで個別質問との関係を詳しく見る。段階ごとに記録すれば、正しい根拠が候補へ入らなかったのか、入った後で融合や順位により落ちたのかを区別できる。

  1. 1. 候補生成

    一つ以上の channel で十分な関連候補を取得し、真の証拠を漏らさないことを優先する。最終件数より多くても権限・範囲内である。

  2. 2. score 調整・融合

    異なる field、lexical、vector、index の生 score は通常比較不能。検証済み正規化、weight、rank fusion、規則を使い、各 channel 寄与を残す。

  3. 3. 重複除去・多様性

    隣接重複、同一親、近似版で Top-K を占有しないよう統合し、必要な別情報源、見方、履歴は保つ。

  4. 4. rerank

    cross-encoder、learning-to-rank、業務規則等で有限候補を詳細判断し、前列 precision を高めるが、遅延、費用、model risk が増える。

  5. 5. 正本優先規則

    現行、正式承認、指定情報源の優先は監査可能規則にし、関連 model に正本を決めさせない。

  6. 6. 最終結果

    task に応じ N 件を選び、source、位置、score、制限を返す。生成用には証拠十分性と各 subquestion の内容も確認する。

Top-K と最終文脈は証拠需要、noise、費用、risk で選ぶ

数十件返せば安全に見えるが、重複、旧版、弱い関連が重要条項を埋もれさせる。最終的な根拠量は、質問、重複排除、条件の完全性、モデル容量、応答費用から決める。

結果件数

K が小さいと証拠漏れ、大きいと noise、遅延、token が増える。質問、channel、rerank 能力、必要証拠数ごとに試し、一つの global 値を使わない。

subquestion coverage

複雑問いの各部分に合格内容があるか確認し、一つの高 score 主題が全件を占め、他に証拠がなくなるのを防ぐ。

親・隣接

小 chunk 命中後、同じ権限・版内で親条項、隣接 step、表 header、定義を展開し、初期 hit と追加内容を別記録する。

情報源多様性

比較・照合には独立情報源を保つ。現行正式規則だけなら旧版、研修、言換えが正本を薄めないようにする。

引用利用

結果に開ける原文位置が要る。利用者が引用を開けないなら、検証不能な内部 source を公開証拠のように示さない。

文脈組立

dedupe、順序、group、truncate、format は検索後の別工程で、採用・除外・切断理由を残し、検索か組立かを診断する。

内容なし、検索失敗、権限除外、競合、資料不足を分けて扱う

画面ではすべて「回答なし」に見えても、対処は異なる。索引障害は修復し、権限除外では制限情報を推測させず、資料不足なら不足項目を示す。情報源の競合は差異を残して責任者へ渡す。

知識なし

許可集合に回答情報源がない。空白と所有者を登録し有人経路を示し、model 記憶を知識ベース根拠に見せない。

検索失敗

内容はあるが query、切分、field、analyser、embedding、filter、recall、ranking のため返らない。label 済み関連項で失敗段階を特定する。

権限除外

制限内容の題名、件数、詳細理由まで利用者へ明かす必要はない。安全な権限表示を返し security audit を残す。

index 遅延・依存障害

更新未反映、channel timeout、rerank 失敗は結果不完全と示し、risk により安全な degrade、retry、停止を選ぶ。

情報源競合

版、範囲、権威が違う結果を保持し、rank に事実を黙って決めさせない。承認済み時点・範囲・source 規則で裁定または引継ぐ。

証拠不足

関連 hit だけでは足りない。条件、例外、添付、他 subquestion、real-time 事実が欠けるなら確認可能範囲を示し、高 risk 操作を止める。

低 confidence は単一閾値でない

score 分布は query、集合、model で変わる。task ごとに校正し、score、件数、source、margin、evidence coverage、異常状態を組み合わせる。

検索は知識漏えい、injection、resource 攻撃の入口になり得る

危険は最終回答より前から始まる。件数、題名断片、絞り込み差、応答時間も制限情報を漏らし得る。悪意ある索引内容がモデル文脈へ入る可能性もあり、問い合わせ入口と結果出口の双方を制御する。

query privacy

query は氏名、account、健康、契約、商業意図を含み得る。収集、access、保留、分析用途を限定し、log、評価、supplier 経路で mask・隔離する。

結果 side channel

件数、題名、autocomplete、score、応答差、「存在するが無権限」の表示も漏えいし得る。越権・tenant 横断試験へ含める。

query・filter injection

DB・検索式を parameter 化し、field、operator、script、regex、wildcard を制限する。model query も application 認可と resource 制限を越えない。

悪意ある内容

検索 Web、文書、upload は prompt injection、script、偽命令を含み得る。不可信 data として system 指示から分離し、Agent tool を制約する。

DoS・濫用

複雑 query、過大 K、多 subquery、fuzzy・regex、vector batch に費用、timeout、concurrency、quota 制限を設け、機微本文を不要に log しない。

index・supply chain

index、embedding、同義語、ranker、設定を無許可変更から守り、managed search、embedding、rerank の保存、training、地域、削除、事故条件を確認する。

offline 検索評価には query、関連判断、明確な分母が必要

「上位十件に答えがあった」は一度の観察で、安定した指標ではない。何を関連とするか、複数根拠が必要か、既知の関連集合は何かを定め、同じ版の組合せで再現率、適合率、順位を比較する。

代表 query 集

実 task から定義、完全 ID、言換え、filter、履歴、例外、不足、多段、越権 query を集め、利用者、言語、内容、risk で分ける。

関連性 label

query ごとに関連対象、段階、必須証拠、禁止結果を付け、判断者、guide、分歧、裁定を保存する。監査可能な分母なしに Recall を主張できない。

Precision@K

先頭 K 中の関連項割合で、前列の純度を見る。K、関連 grade、dedupe 口径を明示する。

Recall@K

既知の全関連項中、先頭 K に入った割合で証拠漏れを見る。関連集合が不完全なら数値は現 label に対する結果に限る。

MRR・順位品質

MRR は最初の関連項順位を見る。複数・段階証拠には nDCG、MAP、成功率、evidence coverage を併用し、初 hit だけで判断しない。

negative・拒否

無回答、無権限、曖昧、悪意 query の誤 hit・漏えいを試す。正例指標が高くても正しく停止する証明ではない。

分段・誤差分析

平均を言語、文書、質問、地域、権限、risk で分け、集合、query、切分、filter、recall、fusion、rerank のどこかを事例別に診断する。

固定組合せ版

内容、label、chunk、index、analyser、embedding、filter、候補数、fusion、reranker を固定し、一度に主変数を一つ変え結果を保存する。

本番では query 変化、index 鮮度、権限、品質、費用を監視する

オフライン問題集だけでは、新規程、新用語、利用者の表現変化を自動では捉えられない。本番では問い合わせ分布、同期遅延、未検出、権限拒否、品質変動、資源消費を一つの運用像として見る。

task 結果

正しい source を開いて task 完了、query 改写、有人移管したかを見る。click・滞在は行動 signal で、審査なしの relevance truth ではない。

query 分布

頻出、増加、未検出、long-tail、言語、新用語を privacy 保護下で監視し、自動 client の歪みを除く。変化は評価・内容拡充に使い、直接自己 training しない。

鮮度・同期

source 変更から検索可能まで、失敗 backlog、削除伝播、権限同期を測る。高影響 source が期限超過なら alert、隔離、回答停止する。

品質 drift

固定 sentinel query と抽出実 query で順位変化、未検出、重複、誤版、権限拒否を監視し、model・index 更新後に回帰する。

性能・容量

query 解析、filter、各 recall、fusion、rerank、組立の遅延、throughput、error、timeout、index 容量、単価を分ける。

変更 governance

内容、同義語、field、analyser、embedding、fusion、weight、閾値、Top-K、reranker の変更に owner、理由、実験、承認、release、rollback、影響記録を持つ。

再構築・廃止

source・設定を残して再構築可能にし、置換時に必要 log・評価を移し、接続・秘密を失効し、provider 副本を処理して旧 index の traffic を止める。

調達知識ベースの検索例

以下は検索 chain の分担・検証を示す架空例で、顧客知識ベース、実 query、権限、score、閾値、技術選定ではない。

質問範囲

社員が申請資料、現行承認規則、本人申請状態、例外処理を検索する。法的解釈、他人の機微申請、自動承認は一般検索で決めない。

集合 routing

制度は現行・指定履歴 index、仕入先 ID は master、申請状態は認可 live tool、事例は参考に使い、全てを一 vector store に混ぜない。

query 処理

地域、組織、申請種類、時点、「私」の ID を解決し原 query を残す。閾値と必要資料を同時に聞くなら二 subquery にする。

recall・rerank

lexical channel で制度番号・用語、vector channel で自然表現を探し、権限・有効期 filter 後に融合し、query—条項関連で rerank する。

結果・停止

現行条項、該当権限表行、位置を返す。制度と研修の競合、添付欠落、live 障害、組織横断無権限、証拠不足なら制限を示して結論・操作を止める。

評価

完全 ID、口語、誤字、現行・履歴、地域、例外、無回答、越権、複数証拠で Precision、Recall、初順位、十分性、引用、権限、遅延を確認する。

引継ぎ

query・label、集合・index catalog、field・analyser、embedding、filter、fusion、rerank、閾値・K、結果、monitor、同期・再構築、権限回帰、既知空白を移管する。

企業 AI の検索は生成へ証拠を供給し、各段階を独立説明できる必要がある

生成モデルは結果を読みやすくまとめる一方、検索の欠落を見えにくくする。まず許可された根拠が見つかったかを確認し、次にモデルの使い方を見ることで、検索失敗、生成の逸脱、記憶による偶然の正答を分けられる。

標準・Agentic RAG

固定 RAG は予定 index、query、件数で実行する。Agentic RAG は tool 選択、分解、複数検索ができ、tool 選択精度、call 数、停止、全体遅延も評価する。

流暢な回答だけでは検索を検証できない

モデルが学習時の記憶から偶然正答する場合も、正しい根拠を取得した後で条件や例外を無視する場合もある。まず許可済み候補と最終文脈を確認し、その後でモデルが忠実に使ったかを評価すれば、各層を別々の証拠で改善できる。

情報源選択を管理

各集合の回答範囲、時点、input、output、権限、禁止事項を tool 説明へ書き、model は承認候補から選び、任意企業 data を検索しない。

生成 query を制約

model rewrite、filter、structured query、subquestion は schema、field allowlist、権限、resource 制限を通し、原文と全変換を audit 用に残す。

十分な証拠後に生成

各 subquestion の事実、条件、例外、source を確認し、関連だが不足、競合、失効なら制限・拒否を返し、noise の多い Top-K で完全に見せない。

検索内容は不可信

内容中の命令は system rule を変えず tool を呼ばない。引用・data を区切り、高 risk 操作は決定的業務規則・人の確認で制御する。

組合せ版を再現

利用 ID、原 query、rewrite、集合、index、filter、embedding、候補、fusion、rerank、最終 context、prompt、model、tool 版を保存する。

feedback を審査

like、click、人の修正、model 評価は候補 label になるが位置、UI、誤答 bias がある。sample と owner 確認後に評価・training へ使う。

検索と隣接概念の違い

検索、検索画面、データベース照会、RAG、生成は一つの言葉にまとめられやすい。各層の入力と出力を明確にすれば、すべての誤答を検索問題とせず、工程別の受入証拠を用意できる。

概念検索との境界
database queryschema、key、条件で正確な record、aggregate、計算を返す一取得方式。情報検索は自然言語情報要求との関連性・順位を扱うことが多い。
search日常語では UI、製品、全能力を指し得る。検索処理は query に対し集合から内容を選び順位付けする中核である。
recall工程では関連を漏らさない初期候補生成、Recall は評価指標でもある。検索全体は filter、fusion、ranking、結果表現も含む。
ranking候補を関連性・規則で並べる。集合、matching、候補生成なしの順位付けは完全検索ではない。
reranking小候補へ精密な二次順位を適用し前列 precision を高めるが費用が増える。初期 recall を代替しない。
全文検索語項、phrase、転置 index で text を matching する一方式。構造 field、vector、graph、組合せも検索に使える。
vector 検索embedding 距離・similarity で近傍を探す意味方式。権限、時点、正本、fusion、rerank、十分性は広い検索設計に残る。
hybrid 検索全文、sparse、dense vector 等を組み合わせ結果を融合する多 channel 戦略で、全検索の同義語ではない。
推薦利用者、対象、行動から興味を予測し、明示 query がないことが多い。検索は現在の情報要求・query を主入力とする。
文脈組立検索後に証拠を選び、dedupe、展開、format して model へ渡す。最終内容を変え得るが原検索結果を隠さない。
RAG検索結果に生成 model を適用して回答する全方式。Retrieve と RetrieveAndGenerate も取得のみと取得+生成を区別する。

出典と適用範囲

本項でいう検索は、企業検索、知識ベース、AI RAG プロジェクトで、人またはシステムが表した情報要求に対し、許可された集合から候補対象と情報源情報を識別、絞込み、関連性・業務制約で順位付けして返す処理である。主キー取得、構造化 query、Web 検索製品、評価指標の Recall、ranking・reranking、全文検索、vector 検索、hybrid 検索、graph query、推薦、文脈組立、生成、RAG 全体の同義語ではなく、これらは方式、工程、隣接機能になり得る。内容、問い、言語、権限、鮮度、risk から離れた唯一の関連式、score 閾値、Top-K、最良アルゴリズムはない。本項は検索 engine 構成、転置 index、BM25 数学、embedding model、vector DB、hybrid 検索、reranker、query 言語、DB 最適化、知識 graph、推薦、RAG/Agent 全体、privacy・security 制度、個別製品設定を網羅しない。正式方式は承認済み内容と代表質問で権限ある役割が検証する。