하이브리드 검색
하이브리드 검색은 관련 passage를 찾기 위해 semantic vector search와 lexical keyword search를 결합합니다. vector search는 의미와 paraphrase를 잡고, keyword search는 정확한 용어와 identifier를 잡으며, fusion 단계가 두 결과 집합을 합쳐 정밀한 token과 개념적 일치 중 어느 쪽도 놓치지 않게 합니다.
동의어: hybrid search, dense-sparse retrieval, vector plus keyword search, fusion retrieval
하이브리드 검색은 운영 품질을 위해 단일 검색 신호만으로는 충분하지 않다는 사실을 인정합니다. dense vector embedding은 개념적 유사성에는 뛰어나지만 정확한 identifier를 흐리게 만들고, sparse lexical method는 정확한 token은 잘 잡지만 의미를 무시합니다. 둘을 모두 실행하고 순위를 fusion하면 precision을 희생하지 않으면서 recall을 개선할 수 있습니다. 답변이 정확히 맞는 passage에 근거해야 할 때 특히 중요합니다. 그런 다음 fusion된 후보에 대한 reranking pass가 모델에 전달되는 최종 context를 더 날카롭게 만듭니다.
자주 묻는 질문
왜 vector search와 keyword search를 결합하나요?
Vector search는 SKU나 error code 같은 드문 정확한 용어를 놓칠 수 있고, keyword search는 paraphrase를 놓칩니다. 둘을 fusion하면 각각의 강점을 회복하고 실제 query에서 recall을 높입니다.
두 결과 집합은 어떻게 결합되나요?
reciprocal rank fusion이나 weighted score blend 같은 fusion 방법이 병합된 후보를 다시 순위화하고, 종종 마지막 precision을 위해 cross-encoder reranker가 이어집니다.