Vector Database.

通常のキーワード検索は、検索語が文書に含まれているかを重要な手がかりとする。ベクトル検索では、文章や画像をEmbeddingと呼ばれる数値表現に変換し、意味や特徴の近さを指標として候補を探す。このベクトルを大量に保存し、近いものを素早く見つけるための仕組みがVector Databaseである。

例えば「返金のやり方」を検索したとき、文書の見出しが「払い戻し手続き」であっても関連情報を見つけやすくなる。生成AIへ社内文書を渡すRAGでも利用される。ただし、意味的に近いことと、事実として正しいことは同じではない。類似度だけでは権限・更新日・情報の根拠を判断できないため、メタデータや通常検索との組み合わせが必要になる。

導入の前に、検索したい対象と正解の評価方法を決める。データベースを入れること自体は目的ではない。