Hvad betyder Hybrid search?
Hybrid search kombinerer forskellige måder at finde relevant information på. I en typisk RAG-løsning bruges en søgning efter ord sammen med en søgning efter semantisk lighed. De to spor kan finde materiale, som det andet spor overser.
Ordmatch er nyttigt ved præcise produktnumre, navne og fagudtryk. Vektorsøgning kan finde tekst om samme emne, selv om brugerens formulering ikke optræder direkte i dokumentet. Kombinationen kan derfor være relevant i en dansk vidensbase med både dagligsprog og tekniske betegnelser.
Resultaterne skal samles efter en bevidst metode. En rå score fra ordsøgning kan ikke uden videre lægges sammen med en vektorscore, fordi skalaerne kan være forskellige. Systemer kan eksempelvis kombinere placeringer gennem reciprocal rank fusion eller bruge en anden dokumenteret vægtning.
Undersøg hvad hvert søgespor finder
Gem de første kandidater fra hvert spor under afprøvningen. Hvis et nødvendigt dokument kun findes gennem ordmatch, viser det, hvorfor dette spor er værdifuldt. Hvis et spørgsmål i dagligsprog kun lykkes gennem vektorsøgning, viser det en anden styrke.
Kombinationen bør ikke skjule problemer i de enkelte dele. En forkert tokenizer, ødelagt tekstudtrækning eller dårlige dokumentgrænser kan stadig føre til mangelfulde kandidater. Flere søgemetoder reparerer ikke automatisk et dårligt datagrundlag.
Bevar adgang og relevans gennem hele søgningen
De samme relevante adgangs- og gyldighedsregler skal gælde for alle spor. Et dokument må ikke dukke op gennem vektorsøgningen, hvis ordsøgningen korrekt har udelukket det for den aktuelle bruger.
Efter sammenlægning kan en reranker vurdere kandidaterne igen. Det kan hjælpe med rækkefølgen, men kun blandt dokumenter, som faktisk blev fundet. Mål derfor både, om det nødvendige materiale er til stede, og om det placeres højt nok til at komme med i det endelige svargrundlag.
Et eksempel fra praksis
En teknisk supportafdeling har manualer med produktkoder og beskrivelser af symptomer. En kunde skriver, at “maskinen stopper efter et par minutter”, mens en tekniker søger efter en konkret fejlkode.
Testsættet indeholder begge typer spørgsmål. Teamet sammenligner ordsøgning, vektorsøgning og kombinationen på de samme kendte manualafsnit. Det undersøger især, om produktkoden bevares som afgrænsning, så et semantisk nært afsnit om en anden model ikke bliver det foretrukne grundlag for svaret.
Typiske faldgruber
- Scorer fra forskellige søgesystemer lægges sammen uden begrundet normalisering.
- Adgangsregler anvendes kun på ét af søgesporene.
- En høj samlet relevans skjuler, at det afgørende afsnit slet ikke findes blandt kandidaterne.
Det skal I afklare
- Afprøv både præcise betegnelser og naturlige brugerformuleringer.
- Kontrollér kandidater fra hvert spor og den samlede rækkefølge.
- Håndhæv samme adgangs- og versionsregler i alle søgeveje.
Spørgsmål og svar
Er hybrid search altid nødvendig i RAG?
Nej. Et lille og entydigt materiale kan fungere med enklere søgning. Brug kombinationen, når tests viser forskellige behov, som ét søgespor ikke dækker tilfredsstillende.
Er hybrid search det samme som reranking?
Nej. Hybrid search kombinerer søgemetoder. Reranking ændrer rækkefølgen på allerede fundne kandidater. De kan bruges sammen, men løser forskellige dele af opgaven.
Kilder og videre læsning
De tekniske begreber bygger på nedenstående kilder. Eksemplerne er illustrative og viser, hvordan I kan arbejde med emnet.
- Elastic: Hybrid search ↗Kombination af fuldtekst, vektorsøgning og rangfusion.
- Microsoft: Hybrid search overview ↗Parallelle søgespor og en samlet rangeret resultatliste.