【ベクトル検索アプリ開発①】導入編

目次（クリックするとジャンプします）

自分専用の検索アプリで、資料探しをもっとスマートに

今まで有効な検索手段がなく探すのをあきらめていた情報へ、ベクトル検索でアクセスできます。
この記事では、ベクトル検索アプリの導入背景や完成イメージを紹介します。

この記事でわかること

ベクトル検索とは何か、なぜ必要なのか
導入の背景（業務での困りごと）
最終的な完成イメージ
完成までの連載で扱う内容の予告

なぜベクトル検索が必要なのか

一般的に使われているキーワード検索は「完全一致」で探す仕組みです。そのため「規格の許容誤差」と検索しても、「公差」「誤差範囲」と書かれた資料は見つからないことがあります。

一方、ベクトル検索はテキストを数値ベクトルに変換し、「意味の近さ」で検索を行います。これにより、言い回しが異なっても関連情報を見つけ出すことが可能です。

ベクトル検索の仕組み（補足解説）

テキストを数値ベクトルに変換する
通常の検索は「文字の一致」で探すのに対して、ベクトル検索では単語や文章を数百次元の数値ベクトルに変換します。
この変換を行うのが「埋め込みモデル（Embedding Model）」です。
　例）「公差」→ [0.12, -0.83, 0.57, …] のようなベクトルに。
これにより、言葉そのものではなく意味の近さを扱えるようになります。
意味の近さを計算する
変換後は、検索キーワードとデータのベクトルを比較します。
代表的な計算方法はコサイン類似度（Cosine Similarity）。
　ベクトル同士の「角度の近さ」を測るイメージ
　同じ方向を向いていれば「意味が近い」と判定
その結果、「規格の許容誤差」と「公差」「誤差範囲」も、数値的に近ければ関連性があると判断されます。
AIが知らない言葉の扱い
モデルが「公差」という単語を直接学習していない場合でも、
文脈的に似たデータ（例：「誤差」「精度」）を学習しているため、部分的に関連づけられる
ただし完全一致ではなく、曖昧さが残る
通常検索との違い
通常検索（全文検索）
　・「規格」「誤差」というキーワードが本文に含まれているかどうかでマッチング
　・表現のゆらぎ（公差/誤差範囲/許容値など）には弱い
ベクトル検索
　・「意味的に近いか」で探すため、言い換えや類義語でもヒットする
　・特にドキュメントが大量にある場合に力を発揮

導入の背景（困りごと）

組織内でよくある課題は「必要な情報を探すのに時間がかかること」です。

「あれ？あの資料どこだっけ？」と探す手間
キーワード検索ではうまくヒットしない、もしくは絞り込めない

こうした状況は日常業務に小さなストレスを積み重ね、効率を下げる要因となっていました。

解決アプローチ（どう取り組んだか）

そこで、AIを活用した検索の仕組みを取り入れることにしました。

ベクトル検索を導入
キーワードの一致ではなく、文章の「意味の近さ」に基づいて検索結果を返す仕組みを採用しました。
これにより、同じ内容でも表現が異なる資料を見つけやすくなります。
汎用的な検索アプリを開発
自身で用意したExcelデータベースを検索対象とする専用アプリを作成しました。
これにより、社内の様々な情報を対象とした検索ができます。
ローカル環境で動く検索システムを採用
完全ローカル環境で動作可能な構成にしました。
これにより、機密情報を含んだ内容についても検索することができます。

ベクトル検索を行うためには、構造化されたデータベースが必要になります。
今回は構造化されたデータベースがある前提で解説します。データベースを用意する方法についても今後触れたいと思います。

完成イメージ

実際に開発した検索アプリの完成イメージがこちらです。
検索キーワードを入力すると、関連性の高い資料が「スコア付き」で表示され、さらに絞り込み検索からデータベースのメタデータによって絞り込むことも可能です。
これにより、「探す」作業が大幅に効率化され、必要な資料にすぐアクセスできるようになりました。