リトリーバル（Retrieval）

リトリーバル（Retrieval：検索・取得）とは、ユーザーのクエリや質問に対して、大規模なドキュメントコレクションや知識ベースから関連する情報を効率的に検索・取得するプロセスです。RAG（Retrieval-Augmented Generation）の名前にも含まれており、生成AIシステムの重要な構成要素です。

リトリーバルが重要な理由は、LLMは学習データのカットオフ以降の情報を知らない・企業固有の情報を持っていないという限界があり、リトリーバルで外部知識を動的に取得してLLMに渡すことで、最新かつ正確な応答を実現できるためです。

リトリーバル手法は大きく2種類に分かれます。①スパース検索（BM25・TF-IDFなど）：キーワードの一致で検索する古典的手法。高速で解釈しやすいが、同義語・文脈に弱い。②密ベクトル検索（Semantic Search）：テキストをEmbeddingでベクトル化してコサイン類似度で検索。意味的な近さで検索でき、文脈を考慮できる。実用的なシステムでは両者を組み合わせる「ハイブリッド検索」が採用されることも多く、ベクトルデータベース（Vector DB）と組み合わせて実装されます。