ある金融サービス企業が Amazon Bedrock Knowledge Bases を使った RAG システムを構築しています。ユーザーは「第35条に基づくリスク管理方針」「ISIN（International Securities Identification Number：国際証券識別番号）コード JP3633400001 の取扱規定」のように、概念的な意味の類似性と特定の条文番号・証券コードの完全一致の両方で文書を検索する必要があります。純粋なセマンティック検索だけでは固有の識別子や条文番号が抜け落ちてしまうことが問題となっています。この課題を解決するために最も適切な設定はどれですか？
Amazon Bedrock Knowledge Bases のハイブリッド検索（Hybrid search）を有効化し、セマンティック検索とキーワード検索（BM25）を組み合わせる。 Bedrock Knowledge Bases のハイブリッド検索は、ベクター類似度によるセマンティック検索と BM25 等のキーワード検索を組み合わせる機能です。意味的に近い文書と特定の識別子・用語に完全一致する文書の両方を一度の検索で取得できます。 選択肢B:バックエンドを Aurora PostgreSQL に変更するだけではハイブリッド検索機能は実現できず、Knowledge Bases ネイティブの統合機能も失われます。 選択肢C:チャンクサイズの縮小は検索粒度の調整であり、キーワード完全一致の弱点を根本的に補う機能ではありません。 選択肢D:Kendra の別途導入は技術的には可能ですが、Knowledge Bases ネイティブのハイブリッド検索で解決できる課題に対してはオーバーエンジニアリングであり、コストと複雑さが増大します。