Paweł Domański
28 lines
1.9 KiB
Markdown
28 lines
1.9 KiB
Markdown
---
|
|
title: "Hybrid Search (Wyszukiwanie Hybrydowe)"
|
|
type: "concept"
|
|
tags: [retrieval, search-systems, database, vector-embeddings]
|
|
created: 2026-06-18
|
|
updated: 2026-06-18
|
|
sources: ["[[summaries/gbrain-long-term-memory]]"]
|
|
confidence: high
|
|
---
|
|
|
|
# Hybrid Search (Wyszukiwanie Hybrydowe)
|
|
|
|
## Definition
|
|
Zaawansowana strategia pobierania informacji (Retrieval), polegająca na jednoczesnym przeszukiwaniu bazy danych za pomocą dopasowania semantycznego (wyszukiwanie wektorowe/Dense Retrieval) oraz tradycyjnego dopasowania słów kluczowych (wyszukiwanie tekstowe/Sparse Retrieval, np. BM25/ripgrep), a następnie scaleniu i zreparametryzowaniu wyników w jeden zoptymalizowany ranking.
|
|
|
|
## How It Works
|
|
Wyszukiwanie hybrydowe łączy mocne strony dwóch odmiennych podejść:
|
|
1. **Wyszukiwanie Wektorowe (np. pgvector)**: Rozumie kontekst i synonimy (np. zapytanie o "bazy danych" zwróci wyniki zawierające "PostgreSQL" lub "SQL Server", nawet jeśli słowo "baza" tam nie występuje). Jednak gubi się przy dokładnych dopasowaniach nazw własnych, unikalnych kodów, symboli czy numerów wersji.
|
|
2. **Wyszukiwanie Słów Kluczowych (np. BM25)**: Doskonale radzi sobie z precyzyjnymi identyfikatorami (np. wyszukanie "0.7.0" lub specyficznego nazwiska), ale całkowicie ignoruje znaczenie pojęciowe słów.
|
|
|
|
Po wykonaniu obu zapytań system stosuje algorytm fuzji (np. *Reciprocal Rank Fusion - RRF*), aby wygenerować ostateczną listę najbardziej trafnych wyników.
|
|
|
|
## Performance Benchmark
|
|
Zastosowanie wyszukiwania hybrydowego w rzeczywistych testach (np. w benchmarku *LongMemEval* systemu GBrain) pozwala osiągnąć dokładność **R@5 = 97,9%**, co oznacza, że poszukiwany fragment wiedzy znajduje się w pierwszej piątce wyników w niemal 98% przypadków. Przewyższa to czyste wyszukiwanie wektorowe stosowane w większości tradycyjnych potoków RAG.
|
|
|
|
## Sources
|
|
- [[summaries/gbrain-long-term-memory]]
|