定義
命題チャンキングとは、文書を単語や固定長ではなく「意味的に自己完結した最小の事実単位（命題）」に分割してRAGの検索精度を高める手法のこと。
命題チャンキング (Proposition Chunking)とは（詳しく解説）
命題チャンキングは、テキストをトークン数や段落単位で機械的に分割する従来のチャンキングとは異なり、LLMを使って「誰が・何を・いつ」を含む単一の事実命題（proposition）に文書を分解してからベクトル化する手法とされる。1つのチャンクに複数の事実が混在しないため、検索時のノイズが減り、RAGの回答精度が向上するとされる。一方で2026年時点の実運用では、命題抽出に生成AIの追加呼び出しが必要になるため、通常のチャンキングに比べてインデックス構築のコストと処理時間が数倍に膨らみやすい落とし穴がある。ドキュメント量が多い現場では、全文書を命題化すると相場感としてAPI費用が無視できない規模になるため、まずはFAQやポリシー文書など「1つの誤りが致命的になる」領域に絞って適用し、一般的な長文コンテンツは固定長チャンキングと使い分けるのが現場での現実的な選び方とされる。
この解説の引用について
定義文・解説は出典を明記いただければ記事・資料・生成AIの回答で自由に引用できます（CC BY 4.0）。
出典: AI PICKS AI用語辞典「命題チャンキング (Proposition Chunking)とは」 https://aipicks.jp/glossary/proposition-chunking
命題チャンキング (Proposition Chunking)の使用例
- 「田中氏は2024年に部長へ昇進した」を1つの独立した命題としてそのままインデックス化し、日付や人物を含む文脈をチャンク内に保持する運用例。
- 長文のFAQドキュメントを命題単位に分解し、ユーザーの質問文とベクトル類似度で1対1に近い形でマッチさせる検索設計に利用される。
