AIP基盤モデルの統合、データ管理、コンプライアンス
グローバルな製品カタログ（100万件のSKU）を対象とした検索システムをAmazon Bedrock Knowledge Basesで構築しています。ユーザーの検索には「防水の赤いランニングシューズ」のような自然言語クエリと「SKU-ABC123」のような正確なコード検索の両方が含まれます。
※BM25（Best Match 25）：語の出現頻度と文書長を考慮した全文検索の標準アルゴリズム
※RRF（Reciprocal Rank Fusion：逆順位融合）：複数の検索結果リストを統合するアルゴリズム
この要件を満たす最適な検索戦略はどれですか？
Aセマンティック検索のみ（Amazon Titan Embeddings V2 + OpenSearch Serverlessのベクトル検索）
セマンティック検索はベクトル空間での意味的類似度に基づくため概念的なクエリには強力ですが、「SKU-ABC123」のような特定の識別子を完全一致で検索する精度が低く、商品コード検索の要件を単独では満たすことができません。
Bキーワード検索のみ（OpenSearch Serverlessの全文検索BM25アルゴリズム）
BM25による全文検索は「SKU-ABC123」のような正確な識別子検索には優れていますが、「防水の赤いランニングシューズ」のような属性を組み合わせた自然言語の意図を意味的に理解した検索が苦手で、商品の関連性を捉えられません。
Cハイブリッド検索：セマンティック検索とキーワード検索（BM25）を組み合わせ、RRFで結果をマージする
✓ 正解
Bedrock Knowledge BasesはOpenSearch Serverlessとのハイブリッド検索をネイティブサポートし、セマンティック検索とBM25の両結果をRRFで統合します。自然言語クエリと識別子の完全一致検索という相反する要件を単一のシステムで効率的に満たすことができます。
DAmazon Kendraを使用したエンタープライズ検索に完全移行し、Bedrock Knowledge Basesを廃止する
Amazon Kendraは強力な企業向け検索サービスですが、既存のBedrock Knowledge Basesを廃止して移行するとシステム再構築コストと月額固定費用が増大します。ハイブリッド検索はBedrock Knowledge Bases単体で実現できるためKendraへの移行は過剰な対応です。
解説
ハイブリッド検索はセマンティック検索とBM25キーワード検索の両利点を組み合わせます。「防水の赤いランニングシューズ」のような自然言語クエリにはセマンティック検索が優れ、「SKU-ABC123」のような正確な識別子にはキーワード検索が必須です。Amazon Bedrock Knowledge BasesはOpenSearch Serverlessとのハイブリッド検索をネイティブサポートし、RRFで両結果を統合します。
選択肢A：セマンティック検索のみでは識別子の完全一致検索が弱く、「SKU-ABC123」のような正確なコード検索の精度が低下します。
選択肢B：キーワード検索のみでは「防水の赤いランニングシューズ」のような属性を組み合わせた自然言語クエリの意味を理解した検索ができません。
選択肢D：Kendraへの完全移行はシステム再構築コストと既存Bedrock Knowledge Basesへの投資の無駄化を招き、ハイブリッド検索はBedrock単体で実現可能なため移行は不要です。
ドメイン別正答率・予想スコアでリアルタイムに実力把握
無限ノックでAIPを徹底対策。全問AI生成のオリジナル問題。
無料で演習を始める →