HyDE (仮説的文書埋め込み)
読み: はいど
最終更新: 2026-06-28・AI PICKS編集部
定義
HyDE（仮説的文書埋め込み）とは、LLMにクエリへの仮説的な回答文書を生成させ、その埋め込みベクトルでRAG検索の精度を高める手法のこと。
HyDE (仮説的文書埋め込み)とは — 詳しく解説
HyDE（Hypothetical Document Embeddings）は、Gao et al.（2022）が提案したRAG拡張手法。通常のRAGではユーザーの短いクエリをそのまま埋め込んでベクトル検索するが、クエリと実文書の表現ギャップが検索精度を下げる問題がある。HyDEはこれを解決するため、まずLLMに「このクエリに答えるとしたらどんな文書か」を生成させ、その仮説文書の埋め込みを検索クエリとして使う。仮説文書は実文書に近いスタイルと語彙を持つため、ベクトル空間上での類似度計算が精度よく機能する。 2026年の現場では、社内文書RAGやカスタマーサポートボットへの採用が増えている。実運用での落とし穴は主に3点：①LLM呼び出しが1回増えるため応答レイテンシが300〜800ms増加する、②LLMが誤った仮説文書を生成するとハルシネーション連鎖で検索が的外れになる、③仮説生成プロンプトのチューニング初期工数として2〜5日が相場感。選択の目安は、クエリが短文・口語的な場合や専門ドメインで精度改善が急務な場合に有効。単純なキーワード検索で十分な用途では導入コスト対効果が薄い。
HyDE (仮説的文書埋め込み)の使用例
- 社内規定RAGにHyDEを適用したところ、直接クエリ検索と比べTop-3精度が約20%向上した実運用事例が2026年に複数報告されている。
- 「返品条件は？」というクエリにLLMが仮説文書を生成→その埋め込みで検索→関連ポリシー文書を正確に取得するフローが典型的な使い方。
HyDE (仮説的文書埋め込み)に関連するAIツール
関連用語
「RAG・検索拡張」の他の用語
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。
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。
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。
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。
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。
AI用語辞典をすべて見てみませんか
12カテゴリ・252語以上を体系的に整理しています
辞典トップへ