セマンティック検索

キーワードの文字列一致ではなく、意味の近さで情報を検索する技術。埋め込みを使って、クエリと文書の意味的類似度を計算する。

従来のキーワード検索との違い

キーワード検索（Grep）:

• クエリ: 「エラー対処法」
• 検索: error という文字列を含む文書のみヒット
• 限界: 「例外処理」「リトライロジック」「フォールバック」は見逃す

セマンティック検索:

• クエリ: 「エラー対処法」
• 検索: 意味が近い文書を発見
• 「例外処理」「リトライロジック」「フォールバック」なども取得可能

仕組み

1. 文書を埋め込みモデルでベクトル化
2. ベクトルデータベースに保存
3. クエリも同じモデルでベクトル化
4. ベクトル空間で類似度計算（コサイン類似度など）
5. 最も近いTop-K件を返す

利点

• キーワードが不明でも検索可能: ユーザーが正確な用語を知らなくても意味で見つかる
• 同義語・言い換えに対応: 「認証」と「ログイン」を同じ意味として扱える
• 多言語対応: 埋め込みモデルによっては言語を超えた検索が可能

限界

• 専門用語の扱い: 社内用語、業界特有の略語は汎用モデルで対応できない
• 文脈依存: 「Apple」が「リンゴ」か「企業名」か判断が難しい
• 否定の扱い: 「認証は不要」と「認証は必要」が近いベクトルになる場合がある
• 完全一致の劣化: 固有名詞やIDの検索では従来の検索が優れる

対策

• ドメイン特化モデル: 医療、法律など専門分野向けの埋め込みモデルを使用
• ファインチューニング: 自社データに適応させる
• ハイブリッド検索: キーワード検索と併用して弱点を補完

主な用途

• RAGシステムの検索エンジン
• カスタマーサポートボット
• 社内ナレッジベース検索
• コード検索・補完

関連

• 埋め込み
• ベクトルデータベース
• ハイブリッド検索
• RAG
• LLM
• 推論ベース検索 - 対比される手法

参照

• PageIndex - ベクトルレスRAGの新しいアプローチ - セマンティック検索の限界と推論ベース検索の利点を解説