---
title: "Hybrid retrieval — ハイブリッド検索"
source: "https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2"
wiki: "systems-analysis.info/int"
article: "Hybrid_retrieval_—_ハイブリッド検索"
language: "ja"
categories:
  - "Category:Japanese"
  - "Category:Large language models"
  - "Category:Prompt engineering"
revision_id: 3103
wiki_created_at: 2026-09-06T23:15:44Z
wiki_modified_at: 2026-09-06T23:15:44Z
downloaded_at: 2026-09-07T22:55:09Z
---

# Hybrid retrieval — ハイブリッド検索

**Hybrid Retrieval（ハイブリッド検索）** — レキシカル（sparse）シグナルとセマンティック（dense/late‑interaction）シグナルを組み合わせ、検索結果の再現率と適合率を向上させる情報検索手法の一群です。ハイブリッド方式は、用語の完全一致（BM25/TF-IDF）とベクトル近接性（バイエンコーダ、後期インタラクションマルチベクトルモデル）の利点を組み合わせ、さらにスケールの異なるスコアに対して頑健なランキング融合手法（例：Reciprocal Rank Fusion、CombSUM/CombMNZ）やクロスエンコーダによる再ランキングを活用します。<sup>[\[1\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-1)[\[2\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-2)[\[3\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-3)</sup>

## 定義と動機

*ハイブリッド検索*とは、2つ（またはそれ以上）の独立したシグナルチャネルによる並列またはカスケード検索を行い、その後にマージや再ランキングを行うプロセスです。主な動機は以下の通りです：(i) 「用語のミスマッチ」の克服（同義語、言い換え）、(ii) タイプミスや形態素への頑健性、(iii) 特定のコードや識別子の抽出（sparseモデルが得意とする領域）、(iv) 新しいドメインや言語への転移（denseモデルがセマンティックな般化を提供）。<sup>[\[4\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-4)[\[5\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-5)[\[6\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-6)</sup>

## ハイブリッド検索の構成要素

### レキシカル (sparse)

- **古典的モデル** TF-IDFやBM25/BM25Fは、転置インデックスに基づく標準的なベースライン手法です。BM25は確率的関連性フレームワーク（PRF）で理論的に裏付けられており、ランキングの第一段階で広く使用されています。<sup>[\[7\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-7)</sup>
- **学習可能なsparseモデル**
  - **SPLADE / SPLADE++/v3** スパース性正則化を伴うMLMヘッドを通じて、用語の拡張と重み付けを学習するニューラルスパースモデル。強力な性能と優れた転移性（BEIR）を示します。<sup>[\[8\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-8)[\[9\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-9)[\[10\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-10)</sup>
  - **uniCOIL/COIL** 文脈化された転置リストとその簡略版である*uniCOIL*。古典的な転置インデックスと互換性があります。<sup>[\[11\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-11)</sup>

### セマンティック (dense/late‑interaction)

- **バイエンコーダ (単一ベクトル)** クエリとドキュメントがベクトルモデルによってエンコードされ、類似度はドット積/MIPSで計算されます。例：DPR,<sup>[\[12\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-12)</sup> ANCE,<sup>[\[13\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-13)</sup> Contriever,<sup>[\[14\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-14)</sup> GTR,<sup>[\[15\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-15)</sup> E5。<sup>[\[16\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-16)</sup>
- **後期インタラクション (マルチベクトル)** ColBERT/ColBERTv2のようなモデルは、「後期」のインタラクションにおいてトークンレベルの対応をモデル化します。トレードオフとして、インデックスサイズとレイテンシーが増加する代わりに精度が向上しますが、これはPLAIDやWARPといったエンジニアリングによる高速化手法で緩和されます。<sup>[\[17\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-17)[\[18\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-18)[\[19\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-19)</sup>

## ハイブリッド化とランキング融合の方式

- **並列検索と候補のマージ** sparseとdenseの候補リストをそれぞれの内部スコアと共に独立して取得し、その後ランキングを融合します。<sup>[\[20\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-20)</sup>
- **RRF (Reciprocal Rank Fusion)** 比較不能なランキングスコアに対して頑健な手法で、逆順位を合計します：

${RRF}(d) = \sum\limits_{i = 1}^{m}\frac{1}{k + {rank}_{i}(d)}$、ここで通常 $k \approx 60$ です。<sup>[\[21\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-21)</sup> Elasticsearch/OpenSearchなどの商用エンジンでは、組み込みのリトリーバー/プロセッサとしてサポートされています。<sup>[\[22\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-22)[\[23\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-23)</sup>

- **CombSUM/CombMNZなど** 古典的な「スコア加算」関数（必要に応じて正規化を伴う）。<sup>[\[24\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-24)[\[25\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-25)[\[26\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-26)</sup>
- **重み付き線形結合**

$S(d) = \alpha \cdot S_{\text{sparse}}(d) + (1 - \alpha) \cdot S_{\text{dense}}(d)$, $\alpha \in \lbrack 0,1\rbrack$。 $\alpha$ の選択は、固定的または学習可能（コレクションごと/クエリごと）に設定できます。<sup>[\[27\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-27)</sup>

- **スコアの正規化** CombSUM/CombMNZでは、スケールを一致させるためにmin‑max正規化やz‑scoreなどがよく使用されます。<sup>[\[28\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-28)</sup> 一方、RRFは順位のみに依存します。
- **動的/適応的な重み付け** クエリルーティング、クエリの特徴、およびチャネルの選択/重み付けのためのLTRモデル。近年の研究では、単純な学習済み混合がRRFを上回り、正規化への感度も低いことが示されています。<sup>[\[29\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-29)</sup>

## 再ランキングと多段階パイプライン

ハイブリッドシステムは通常、*retrieval → fusion → rerank* という構造で構築されます。再ランキングには以下の手法が用いられます：

- **クロスエンコーダ (BERT/T5)** 最も高精度ですが高コストな手法です。MonoBERT/MonoT5が上位N件の候補を並べ替えるために使用されます。<sup>[\[30\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-30)[\[31\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-31)</sup>
- **再ランキングモデルとしての後期インタラクション** ColBERTファミリーは再ランキングモデルとしても機能します。PLAIDやWARPなどの最新の高速化手法により、品質を損なうことなくレイテンシーを削減できます。<sup>[\[32\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-32)[\[33\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-33)</sup>

「品質 ↔ 遅延/コスト」のトレードオフは、RAGや厳しいSLA（テールレイテンシー p95/p99 を参照）の文脈で特に重要です。<sup>[\[34\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-34)</sup>

## ベンチマークによる評価

- **BEIR** 多様なコレクション/タスクからなる統一されたセットで、リトリーバーのゼロショット/ドメイン外評価に使用されます（例：TREC‑COVID, NFCorpus, NQ, HotpotQA, FiQA‑2018, DBPedia‑entity, ArguAna, Webis‑Touché‑2020, FEVER/Climate‑FEVER, Scidocs, SciFact, CQADupStackなど）。<sup>[\[35\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-35)</sup>
- **TREC Deep Learning / MS MARCO** ビッグデータ環境でのリトリーバーと再ランキングモデルの学習/評価のための古典的なリソースです。<sup>[\[36\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-36)[\[37\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-37)[\[38\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-38)</sup>
- **品質メトリクス** nDCG@k, Recall@k, MRR。パフォーマンスメトリクスとしては、latency p50/p95/p99, QPS。運用メトリクスとしては、メモリ/コスト（CPU/GPU, インデックス）などがあります。<sup>[\[39\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-39)[\[40\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-40)</sup>
- **アブレーションスタディ** 各チャネル/重みの貢献度や、RRFの$k$や混合比の$\alpha$といったパラメータへの感度を特定することが推奨されます。また、言い換えやOOD（Out-of-Domain）シフトへの頑健性を評価することも重要です。<sup>[\[41\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-41)[\[42\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-42)</sup>

## エンジニアリングとプロダクションでの実践

- **インデックスとANN** MIPS/コサイン類似度のためのFAISS (Flat/HNSW/IVF‑PQ)、HNSW、ScaNNなど。<sup>[\[43\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-43)[\[44\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-44)[\[45\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-45)</sup>
- **IRスタック** sparse/denseおよびハイブリッドパイプラインのためのLucene/Anserini/Pyserini。BEIRでの高い再現性を提供します。<sup>[\[46\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-46)[\[47\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-47)</sup>
- **ベクトルデータベースと検索エンジン** Qdrant, Weaviate, pgvector/PostgreSQL, Vespa, Elasticsearch/OpenSearchは、ネイティブなハイブリッド検索モード（BM25F+vector）やRRF/線形混合をサポートしています。<sup>[\[48\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-48)[\[49\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-49)[\[50\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-50)[\[51\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-51)[\[52\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-52)</sup>
- **RAGパターン** アーキテクチャ: **retrieval → fusion → rerank → LLMコンテキスト**。トークン数の制限とソースの追跡を伴います。<sup>[\[53\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-53)</sup>
- **インデックスの更新、重複排除、トークン化** BM25とベクタライザの間でトークン化を一致させることが重要です。また、混合前にスコアのキャリブレーション（正規化/スケーリング）が必要です。<sup>[\[54\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-54)</sup>

## 制限事項と未解決の問題

- **転移性と多言語対応** denseモデル（GTR/E5）は転移性を向上させますが、ドメイン/言語に敏感です。一方、sparseモデル（SPLADE）はOODに対してより頑健なことが多いです。<sup>[\[55\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-55)[\[56\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-56)</sup>
- **LLMとの統合とハルシネーション** ハイブリッド検索はRAGのコンテキストにおける情報の欠落やノイズを低減しますが、ハルシネーションを完全には排除できません。厳格な再ランキングモデルとソースのフィルタリングが必要です。<sup>[\[57\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-57)</sup>
- **コストとプライバシー** マルチベクトルインデックスの保存、圧縮、暗号化、およびオンプレミススタック。TCO（総所有コスト）の評価。
- **トレンド** ドキュメント/クエリ拡張としてのHyDE/doc2query/PRF。<sup>[\[58\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-58)[\[59\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-59)</sup> 混合比の学習（クエリごとの $\alpha$）、より効率的な後期インタラクションモデル（PLAID/WARP）、長文ドキュメントとマルチベクトルインデックスなど。<sup>[\[60\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-60)[\[61\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-61)</sup>

## 手法の比較表

2025年9月10日時点（BEIRコレクション *trec‑covid* での例; nDCG@10 / Recall@100）:<sup>[\[62\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-62)</sup>

| 手法                        | タイプ (sparse/dense/hybrid) | アイデア/モデル                 | 融合方式                      | 再ランキングモデル   | nDCG@10 / R@100                                  | レイテンシー (相対) | 出典                                                                                                                                                                                                                                                                                                                                                                                                                                                                                            |
|-----------------------------|------------------------------|---------------------------------|-------------------------------|----------------------|--------------------------------------------------|---------------------|-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| BM25                        | sparse                       | 用語の完全一致 (PRF/BM25)       | —                             | —                    | 0.595 / 0.109                                    | 非常に低い          | <sup>[\[63\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-63)[\[64\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-64)</sup>                                                                                                                                                             |
| SPLADE++ (ED)               | sparse (learned)             | スパースな拡張/用語の重み付け   | —                             | —                    | 0.727 / 0.128                                    | 低い–中程度         | <sup>[\[65\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-65)[\[66\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-66)</sup>                                                                                                                                                             |
| Contriever (MS MARCO FT)    | dense                        | 対照学習によるバイエンコーダ    | —                             | —                    | 0.596 / 0.091                                    | 中程度              | <sup>[\[67\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-67)[\[68\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-68)</sup>                                                                                                                                                             |
| BGE‑base‑en‑v1.5            | dense                        | 強力な汎用エンベッダ            | —                             | —                    | 0.781 / 0.141                                    | 中程度              | <sup>[\[69\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-69)</sup>                                                                                                                                                                                                                                                                                                                         |
| Cohere embed‑english‑v3.0   | dense                        | 商用のテキスト埋め込みモデル    | —                             | —                    | 0.818 / 0.159                                    | 中程度              | <sup>[\[70\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-70)</sup>                                                                                                                                                                                                                                                                                                                         |
| BM25 + dense (例: BM25+BGE) | hybrid                       | 並列リトリーブ + リストのマージ | RRF (k≈60) または重み付き混合 | 任意: MonoT5/ColBERT | (実装に依存; 通常は単一チャネルの最良値を上回る) | 中程度              | <sup>[\[71\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-71)[\[72\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-72)[\[73\]](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_note-73)</sup> |

*trec‑covid*における手法の比較

注: 最終行は方式を説明するためのものです。正確な数値は、エンベッダの選択、正規化、および融合パラメータに依存します（出典およびPyseriniの再現可能なスクリプトを参照）。

## 外部リンク

- Pyserini / Anserini: <a href="https://github.com/castorini/pyserini" class="external text" rel="nofollow">github.com/castorini/pyserini</a> • <a href="https://github.com/castorini/anserini" class="external text" rel="nofollow">github.com/castorini/anserini</a>
- FAISS: <a href="https://arxiv.org/abs/1702.08734" class="external text" rel="nofollow">arXiv:1702.08734</a>
- Weaviate (Hybrid search): <a href="https://docs.weaviate.io/weaviate/search/hybrid" class="external text" rel="nofollow">docs.weaviate.io/weaviate/search/hybrid</a>
- pgvector: <a href="https://github.com/pgvector/pgvector" class="external text" rel="nofollow">github.com/pgvector/pgvector</a>
- Vespa (Hybrid search tutorial): <a href="https://docs.vespa.ai/en/tutorials/hybrid-search.html" class="external text" rel="nofollow">docs.vespa.ai/en/tutorials/hybrid-search.html</a>

## 参考文献

- Manning, C.D., Raghavan, P., Schütze, H. (2008). *Introduction to Information Retrieval*. Cambridge University Press. ISBN 978‑0521865715.
- Robertson, S., Zaragoza, H. (2009). *The Probabilistic Relevance Framework: BM25 and Beyond*. Foundations and Trends in Information Retrieval 3(4):333–389. DOI:10.1561/1500000019.
- Lin, J. et al. (2021). *Pyserini: A Python Toolkit for Reproducible IR*. SIGIR.
- Järvelin, K., Kekäläinen, J. (2002). *Cumulated Gain‑Based Evaluation of IR Techniques*. Information Retrieval 6:241–256. DOI:10.1023/A:1016043826386.
- Dean, J., Barroso, L.A. (2013). *The Tail at Scale*. CACM 56(2):74–80. DOI:10.1145/2408776.2408794.

## 脚注

1.  <span id="cite_note-1">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-1) Robertson, S., Zaragoza, H. (2009). *The Probabilistic Relevance Framework: BM25 and Beyond*. Foundations and Trends in Information Retrieval, 3(4), 333–389. DOI:10.1561/1500000019.</span>
2.  <span id="cite_note-2">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-2) Cormack, G.V., Clarke, C.L.A., Büttcher, S. (2009). *Reciprocal Rank Fusion Outperforms Condorcet and Individual Rank Learning Methods*. SIGIR 2009, 758–759. <a href="https://cormack.uwaterloo.ca/cormacksigir09-rrf.pdf" class="external text" rel="nofollow">PDF</a>.</span>
3.  <span id="cite_note-3">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-3) Bruch, S., Gai, S., Ingber, A. (2023). *An Analysis of Fusion Functions for Hybrid Retrieval*. ACM TOIS 42(1):1–35. DOI:10.1145/3596512 • arXiv:2210.11934.</span>
4.  <span id="cite_note-4">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-4) Manning, C.D., Raghavan, P., Schütze, H. (2008). *Introduction to Information Retrieval*. Cambridge University Press. ISBN 978‑0521865715 (TF‑IDF、評価、*vocabulary mismatch* 問題に関する章を参照)。</span>
5.  <span id="cite_note-5">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-5) Izacard, G. et al. (2022). *Unsupervised Dense Information Retrieval with Contrastive Learning (Contriever)*. TACL 10:1089–1108. arXiv:2112.09118.</span>
6.  <span id="cite_note-6">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-6) Wang, L. et al. (2022/2024). *Text Embeddings by Weakly‑Supervised Contrastive Pre‑training (E5)*. arXiv:2212.03533.</span>
7.  <span id="cite_note-7">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-7) Robertson, S., Zaragoza, H. (2009). *The Probabilistic Relevance Framework: BM25 and Beyond*. DOI:10.1561/1500000019.</span>
8.  <span id="cite_note-8">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-8) Formal, T., Piwowarski, B., Clinchant, S. (2021). *SPLADE: Sparse Lexical and Expansion Model for First Stage Ranking*. arXiv:2107.05720.</span>
9.  <span id="cite_note-9">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-9) Formal, T. et al. (2022). *Making Sparse Neural IR Models More Effective*. Findings of EMNLP. arXiv:2205.04733.</span>
10. <span id="cite_note-10">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-10) Formal, T. et al. (2024). *SPLADE‑v3: New baselines for SPLADE*. arXiv:2403.06789.</span>
11. <span id="cite_note-11">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-11) Lin, J., Ma, X. (2021). *A Few Brief Notes on DeepImpact, COIL, and uniCOIL*. arXiv:2106.14807.</span>
12. <span id="cite_note-12">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-12) Karpukhin, V. et al. (2020). *Dense Passage Retrieval for Open‑Domain QA*. EMNLP. arXiv:2004.04906.</span>
13. <span id="cite_note-13">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-13) Xiong, L. et al. (2021). *Approximate Nearest Neighbor Negative Contrastive Learning for Dense Text Retrieval (ANCE)*. ICLR. arXiv:2007.00808.</span>
14. <span id="cite_note-14">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-14) Izacard, G. et al. (2022). TACL. arXiv:2112.09118.</span>
15. <span id="cite_note-15">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-15) Ni, J. et al. (2021/2022). *Large Dual Encoders Are Generalizable Retrievers (GTR)*. EMNLP. arXiv:2112.07899.</span>
16. <span id="cite_note-16">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-16) Wang, L. et al. (2022/2024). arXiv:2212.03533.</span>
17. <span id="cite_note-17">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-17) Khattab, O., Zaharia, M. (2020). *ColBERT: Efficient and Effective Passage Search via Contextualized Late Interaction over BERT*. SIGIR. arXiv:2004.12832.</span>
18. <span id="cite_note-18">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-18) Santhanam, K. et al. (2022). *ColBERTv2 & PLAID*. NAACL/ArXiv. arXiv:2112.01488; arXiv:2205.09707.</span>
19. <span id="cite_note-19">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-19) Scheerer, J.L. et al. (2025). *WARP: An Efficient Engine for Multi‑Vector Retrieval*. arXiv:2501.17788.</span>
20. <span id="cite_note-20">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-20) Lin, J. et al. (2021). *Pyserini: A Python Toolkit for Reproducible IR with Sparse and Dense Representations*. SIGIR. <a href="https://cs.uwaterloo.ca/~jimmylin/publications/Lin_etal_SIGIR2021_Pyserini.pdf" class="external text" rel="nofollow">PDF</a>.</span>
21. <span id="cite_note-21">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-21) Cormack, G.V., Clarke, C.L.A., Büttcher, S. (2009). SIGIR. <a href="https://cormack.uwaterloo.ca/cormacksigir09-rrf.pdf" class="external text" rel="nofollow">PDF</a>.</span>
22. <span id="cite_note-22">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-22) Elastic Docs. *Reciprocal Rank Fusion*. (2025‑09‑10閲覧). <a href="https://www.elastic.co/docs/reference/elasticsearch/rest-apis/reciprocal-rank-fusion" class="external text" rel="nofollow">elastic.co/docs/.../reciprocal-rank-fusion</a>.</span>
23. <span id="cite_note-23">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-23) OpenSearch Docs. *Score ranker processor (RRF)*. (2025‑09‑10閲覧). <a href="https://docs.opensearch.org/3.0/search-plugins/search-pipelines/score-ranker-processor/" class="external text" rel="nofollow">docs.opensearch.org/.../score-ranker-processor/</a>.</span>
24. <span id="cite_note-24">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-24) Fox, E.A., Shaw, J.A. (1994). *Combination of Multiple Searches*. TREC‑2, NIST SP 500‑215, 243–252. <a href="https://www.khoury.northeastern.edu/home/jaa/CSG339.06F/resources/fox94combination.pdf" class="external text" rel="nofollow">PDF</a>.</span>
25. <span id="cite_note-25">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-25) Lee, J.H. (1997). *Analyses of Multiple Evidence Combination*. SIGIR, 267–276. DOI:10.1145/258525.258587.</span>
26. <span id="cite_note-26">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-26) Hsu, D.F., Taksa, I. (2005). *Comparing Rank and Score Combination Methods for Data Fusion in IR*. (Tech. report). <a href="https://ccc.inaoep.mx/~villasen/bib/Hsu-FusionInIR07.pdf" class="external text" rel="nofollow">PDF</a>.</span>
27. <span id="cite_note-27">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-27) Bruch, S., Gai, S., Ingber, A. (2023). TOIS. DOI:10.1145/3596512.</span>
28. <span id="cite_note-28">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-28) Hsu, D.F., Taksa, I. (2005). 上記参照。</span>
29. <span id="cite_note-29">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-29) Bruch, S., Gai, S., Ingber, A. (2023). TOIS. DOI:10.1145/3596512.</span>
30. <span id="cite_note-30">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-30) Nogueira, R., Cho, K. (2019). *Passage Re‑ranking with BERT*. arXiv:1901.04085.</span>
31. <span id="cite_note-31">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-31) Nogueira, R., Jiang, Z., Lin, J. (2020). *Document Ranking with a Pretrained Sequence‑to‑Sequence Model (MonoT5)*. Findings of EMNLP. arXiv:2003.06713.</span>
32. <span id="cite_note-32">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-32) Santhanam, K. et al. (2022). arXiv:2205.09707.</span>
33. <span id="cite_note-33">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-33) Scheerer, J.L. et al. (2025). arXiv:2501.17788.</span>
34. <span id="cite_note-34">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-34) Dean, J., Barroso, L.A. (2013). *The Tail at Scale*. CACM 56(2):74–80. DOI:10.1145/2408776.2408794.</span>
35. <span id="cite_note-35">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-35) Thakur, N. et al. (2021). *BEIR: A Heterogeneous Benchmark for Zero‑shot Evaluation of IR Models*. NeurIPS Datasets & Benchmarks. arXiv:2104.08663.</span>
36. <span id="cite_note-36">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-36) Craswell, N. et al. (2020). *Overview of the TREC 2019 Deep Learning Track*. arXiv:2003.07820.</span>
37. <span id="cite_note-37">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-37) Craswell, N. et al. (2021). *Overview of the TREC 2020 Deep Learning Track*. arXiv:2102.07662.</span>
38. <span id="cite_note-38">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-38) Bajaj, P. et al. (2016). *MS MARCO: A Human Generated MAchine Reading COmprehension Dataset*. arXiv:1611.09268.</span>
39. <span id="cite_note-39">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-39) Järvelin, K., Kekäläinen, J. (2002). *Cumulated Gain‑Based Evaluation of IR Techniques*. Information Retrieval 6:241–256. DOI:10.1023/A:1016043826386.</span>
40. <span id="cite_note-40">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-40) Dean, J., Barroso, L.A. (2013). CACM. DOI:10.1145/2408776.2408794.</span>
41. <span id="cite_note-41">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-41) Bruch, S. et al. (2023). DOI:10.1145/3596512.</span>
42. <span id="cite_note-42">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-42) Ni, J. et al. (2021/2022). arXiv:2112.07899.</span>
43. <span id="cite_note-43">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-43) Johnson, J., Douze, M., Jégou, H. (2017). *Billion‑scale Similarity Search with GPUs (FAISS)*. arXiv:1702.08734.</span>
44. <span id="cite_note-44">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-44) Malkov, Y., Yashunin, D. (2020). *HNSW*. IEEE TPAMI 42(4):824–836. DOI:10.1109/TPAMI.2018.2889473.</span>
45. <span id="cite_note-45">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-45) Guo, R. et al. (2020). *ScaNN: Efficient Vector Similarity Search at Scale*. arXiv:1908.10396.</span>
46. <span id="cite_note-46">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-46) Yang, P., Fang, H., Lin, J. (2018). *Anserini: Reproducible IR Research with Lucene*. JDIQ 10(4):1–20. DOI:10.1145/3239571.</span>
47. <span id="cite_note-47">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-47) Lin, J. et al. (2021). SIGIR. <a href="https://cs.uwaterloo.ca/~jimmylin/publications/Lin_etal_SIGIR2021_Pyserini.pdf" class="external text" rel="nofollow">PDF</a>.</span>
48. <span id="cite_note-48">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-48) Qdrant Docs. *Hybrid queries (RRF, DBSF)*. (2025‑09‑10閲覧). <a href="https://qdrant.tech/documentation/concepts/hybrid-queries/" class="external text" rel="nofollow">qdrant.tech/.../hybrid-queries/</a>.</span>
49. <span id="cite_note-49">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-49) Weaviate Docs. *Hybrid search*. (2025‑09‑10閲覧). <a href="https://docs.weaviate.io/weaviate/search/hybrid" class="external text" rel="nofollow">docs.weaviate.io/weaviate/search/hybrid</a>.</span>
50. <span id="cite_note-50">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-50) pgvector GitHub. (2025‑09‑10閲覧). <a href="https://github.com/pgvector/pgvector" class="external text" rel="nofollow">github.com/pgvector/pgvector</a>.</span>
51. <span id="cite_note-51">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-51) Vespa Docs. *Hybrid Text Search Tutorial*. (2025‑09‑10閲覧). <a href="https://docs.vespa.ai/en/tutorials/hybrid-search.html" class="external text" rel="nofollow">docs.vespa.ai/.../hybrid-search.html</a>.</span>
52. <span id="cite_note-52">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-52) Elastic Docs. *Reciprocal Rank Fusion*. (2025‑09‑10閲覧). <a href="https://www.elastic.co/docs/reference/elasticsearch/rest-apis/reciprocal-rank-fusion" class="external text" rel="nofollow">elastic.co/docs/.../rrf</a>.</span>
53. <span id="cite_note-53">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-53) Lewis, P. et al. (2020). *Retrieval‑Augmented Generation for Knowledge‑Intensive NLP Tasks*. NeurIPS. arXiv:2005.11401.</span>
54. <span id="cite_note-54">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-54) Hsu, D.F., Taksa, I. (2005). 上記参照。</span>
55. <span id="cite_note-55">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-55) Ni, J. et al. (2021/2022). arXiv:2112.07899.</span>
56. <span id="cite_note-56">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-56) Formal, T. et al. (2021, 2022, 2024). arXiv:2107.05720; 2205.04733; 2403.06789.</span>
57. <span id="cite_note-57">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-57) Lewis, P. et al. (2020). arXiv:2005.11401.</span>
58. <span id="cite_note-58">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-58) Gao, L. et al. (2023). *Precise Zero‑Shot Dense Retrieval without Relevance Labels (HyDE)*. ACL. arXiv:2212.10496.</span>
59. <span id="cite_note-59">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-59) Nogueira, R. et al. (2019). *Document Expansion by Query Prediction*. arXiv:1904.08375; *docTTTTTquery*. <a href="https://cs.uwaterloo.ca/~jimmylin/publications/Nogueira_Lin_2019_docTTTTTquery-v2.pdf" class="external text" rel="nofollow">PDF</a>.</span>
60. <span id="cite_note-60">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-60) Santhanam, K. et al. (2022). arXiv:2205.09707.</span>
61. <span id="cite_note-61">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-61) Scheerer, J.L. et al. (2025). arXiv:2501.17788.</span>
62. <span id="cite_note-62">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-62) Pyserini *BEIR Regressions* (2025‑09‑10閲覧): BM25/SPLADE/Contriever/BGE/Cohereに関する*trec‑covid*の結果。 <a href="https://castorini.github.io/pyserini/2cr/beir.html" class="external text" rel="nofollow">castorini.github.io/pyserini/2cr/beir.html</a>.</span>
63. <span id="cite_note-63">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-63) Robertson, S., Zaragoza, H. (2009). DOI:10.1561/1500000019.</span>
64. <span id="cite_note-64">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-64) Pyserini BEIR. 上記リンク参照。</span>
65. <span id="cite_note-65">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-65) Formal, T. et al. (2021, 2022). arXiv:2107.05720; 2205.04733.</span>
66. <span id="cite_note-66">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-66) Pyserini BEIR.</span>
67. <span id="cite_note-67">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-67) Izacard, G. et al. (2022). arXiv:2112.09118.</span>
68. <span id="cite_note-68">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-68) Pyserini BEIR.</span>
69. <span id="cite_note-69">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-69) Pyserini BEIR.</span>
70. <span id="cite_note-70">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-70) Pyserini BEIR.</span>
71. <span id="cite_note-71">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-71) Cormack et al. (2009). SIGIR. RRF.</span>
72. <span id="cite_note-72">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-72) Bruch et al. (2023). TOIS.</span>
73. <span id="cite_note-73">[↑](https://systems-analysis.info/int/Hybrid_retrieval_%E2%80%94_%E3%83%8F%E3%82%A4%E3%83%96%E3%83%AA%E3%83%83%E3%83%89%E6%A4%9C%E7%B4%A2#cite_ref-73) Elastic/OpenSearch RRF Docs.</span>