HyDE（仮想ドキュメント埋め込み）によるRAG検索精度向上

HyDE（仮想ドキュメント埋め込み）によるRAG検索精度向上とは

HyDE（仮想ドキュメント埋め込み）によるRAG検索精度向上とは、Retrieval-Augmented Generation（RAG）システムにおいて、質問と参照ドキュメント間の意味的なミスマッチを解消し、情報検索の精度を高めるための手法です。具体的には、ユーザーのクエリ（質問）を受け取った大規模言語モデル（LLM）が、そのクエリに対する「仮想的な回答ドキュメント」を生成します。この仮想ドキュメントの埋め込みベクトルを実際のドキュメントの埋め込みベクトルと比較することで、よりセマンティックに類似した情報を効率的に検索します。これにより、従来のキーワードベースや単純な埋め込み検索では見落とされがちだった、表現が異なるが意味的に関連性の高い情報を抽出し、RAG全体の回答品質を向上させます。親トピックである「AI用語集のRAG」において、HyDEはRAGの主要な課題の一つである情報検索の信頼性と精度を向上させる重要な技術として位置づけられます。

このキーワードが属するテーマ