ガイド
AI用語辞典RAG・検索拡張
ハードネガティブ採掘 (Hard Negative)
読み: はーどねがてぃぶさいくつ
最終更新: 2026-08-06・AI PICKS編集部
定義
ハードネガティブ採掘とは、 埋め込みモデルの学習において 正解と紛らわしいが不正解の事例をあえて負例に選び、 検索精度を鍛える手法のこと。
ハードネガティブ採掘 (Hard Negative)とは — 詳しく解説
ハードネガティブ採掘 (Hard Negative Mining) とは、 埋め込みモデルやリランカーを対照学習 (Contrastive Learning) で訓練する際に、 クエリと表面的には似ているが正解ではない事例を意図的に選び、 負例として学習データに含める手法のこと。 ランダムな無関係の負例だけでは モデルが「明らかに違うもの」しか区別できず、 意味は近いが誤っている文書を 上位に返してしまう問題が起きやすいとされる。 BM25 や既存の埋め込みモデルで高スコアだが不正解の候補を抽出し、 負例に混ぜる手法が広く採用されている。 現場での落とし穴は、 選定を誤ると 正解に近い文書まで負例として学習してしまい 精度がかえって落ちる点。 2026 年時点では 独自データでのファインチューニングにはラベル付け・学習インフラのコストがかかるため、 まずは既存モデル + リランカーの組み合わせで様子を見て、 精度の頭打ちが明確になってから 検討するのが 相場感に合った選び方とされる。
ハードネガティブ採掘 (Hard Negative)の使用例
- FAQ 検索の精度改善で、 質問文と語彙は似ているが別カテゴリの回答をハードネガティブとして学習データに追加する典型例。
- 埋め込みモデルの再学習時に、 BM25 で「関連度は高いが不正解」の候補を抽出し 負例として与えるデータ生成例。
ハードネガティブ採掘 (Hard Negative)に関連するAIツール
ハードネガティブ採掘 (Hard Negative)の関連記事
関連用語
「RAG・検索拡張」の他の用語
RAG (検索拡張生成)
Retrieval-Augmented Generation。 社内資料や外部 DB を検索してから AI に答えさせる仕組み。
Embedding (ベクトル埋め込み)
文章や画像を 数値ベクトルに変換する技術。 類似度検索や RAG の基礎。
Perplexity
出典付きで回答する AI 検索エンジン。 リサーチ業務で従来検索を置き換える。
AI 検索
Google 検索の上位に AI が回答を提示する 「AI Overviews」 や Perplexity 等の新世代検索。
ベクトルデータベース
Embedding (数値ベクトル) を高速に類似度検索するための専用 DB。 Pinecone / Qdrant / Weaviate が代表。
NotebookLM
NotebookLMとはGoogleが提供するRAGベースのAIリサーチアシスタントのこと。ユーザーがアップロードした文書のみを情報源として回答を生成するため、ハルシネーションを大幅に抑制できる。
用語がわかったら、次はツール選び
12カテゴリ・1363語以上を体系的に整理しています