Up

検索

作成: 2026-02-17 更新: 2026-02-17

---

(1) クエリのベクトル化 クエリは， ユーザーが入力するテクストやアップロードした画像などである。 クエリを，埋め込みモデルに入力して，ベクトルに変換する。 (2) インデクス検索 クエリベクトルと類似のデータベクトルを，インデクスを用いて検索する。 候補データが，高速で絞り込まれる。 HNSW では， 　階層を上から下へ， 　｢スモールワールド｣ (｢知り合いの知り合い｣) アプローチで， 　類似データに到達する。 　上位層で「大まかな方向性」を決め， 　下位層で「精密な探索」をする 　という階層的なアプローチ。 　これにより検索時間を大幅に削減できる。 (3) ベクトル類似度 similarity 計算 インデクス検索で絞り込まれた候補データのベクトルに対し，「クエリベクトルとの類似度」を計算する。 「類似度」は，シンプルにつぎが「指標」とされる：， 　・向きが近い 　　　２ベクトルのなす角度のコサインを計算 　・距離が近い 　　　２ベクトルのユークリッド距離を計算 　・向きと距離が近い 　　　２ベクトルの内積を計算 インデクス検索とベクトル類似度計算の２段構えは， 前者が類似度の粗計算，後者が精密計算，の位置づけである。 (4) 結果のランキング 計算された類似度スコアに基づいて，候補をランキングする。 (5) 結果を返す 類似度が高い上位N件のデータに対応するメタデータを クエリに対する応答として，アプリケーションに返す。 この一連のプロセスが，ユーザーが検索実行ボタンをクリックしてから，わずか数十ミリ秒から数百ミリ秒という極めて短い時間で完了する。