AI用語集
人工知能の完全辞典
クエリ拡張
情報検索の向上と検索範囲の拡大のために、初期クエリに関連する追加用語で豊かにする技術。この方法は語彙の制限を克服し、ユーザーの意図をより適切に捉えることを目的としています。
クエリ書き換え
元のクエリを構文的・意味的に変換し、検索に最適化された1つまたは複数の代替クエリを生成するプロセス。この技術は、データ構造や検索システムの能力に合わせて表現を適応させます。
クエリ分解
複雑なクエリを、処理を容易にし結果の関連性を向上させるために、よりシンプルで焦点を絞った複数のサブクエリに分割する方法。このアプローチは、複数の意図を持つクエリや複合的な質問をより適切に管理できます。
クエリ意図理解
ユーザーのクエリ背後にある基本的な意図（情報的、取引的、ナビゲーション的など）を特定するための深い意味解析。この理解は、より関連性の高い結果を得るためのクエリ変換を導きます。
意味的クエリ拡張
単純な共起関係ではなく、用語間の意味的・文脈的関係に基づくクエリ拡張。このアプローチは、言語モデルとオントロジーを使用して意味的に関連する概念を特定します。
擬似関連性フィードバック
最初に検索された文書を関連性のある情報源として使用し、ユーザーの明示的な判断を必要とせずに元のクエリを拡張する自動技術。この反復的な方法は、結果の関連性を段階的に向上させます。
クエリ拡充
クエリの精度と範囲を向上させるために、文脈情報、メタデータ、または外部知識でクエリを豊かにするプロセス。この技術は、元の情報と関連する補完データを組み合わせます。
クエリ再構成
ユーザーの期待とシステムの能力により適切に合わせるために、クエリの構造と内容を完全に変換すること。このアプローチは、単純な拡張を超えて、基本的な表現を変更します。
マルチクエリ生成
初期クエリから複数のバリエーションを作成し、情報ニーズの異なる側面を探求し、関連文書を回収する可能性を高める。この戦略は検索アプローチの角度を多様化させる。
クエリ置換
クエリ内の特定の用語を同義語、上位語、またはドメインコンテキストに適した用語で置き換える。この技術はユーザーの語彙とデータベースの語彙間のマッチングを最適化する。
クエリ明確化
クエリの曖昧性を解決するために、詳細を追加したりユーザーに説明を求めたりする対話的または自動的なプロセス。このアプローチはクエリと実際の意図の適合性を保証する。
クエリパーソナライゼーション
各ユーザーのプロファイル、履歴、特定の好みに基づいてクエリを動的に適応させ、結果の関連性を最適化する。この個人化は個々の検索コンテキストを考慮する。
コンテキスト対応クエリ変換
会話的、時間的、状況的コンテキストを考慮してクエリを変更し、継続的な相互作用における一貫性と関連性を維持する。このアプローチは対話システムと連続検索において不可欠である。
ハイブリッドクエリ拡張
複数のクエリ拡張技術（語彙的、意味的、統計的）を組み合わせ、各アプローチの強みを活用し、それぞれの弱点を軽減する。このハイブリッド戦略はクエリ拡張の効果を最大化する。
クエリ埋め込み
連続的な意味空間におけるクエリの密なベクトル表現により、概念間の微妙な関係を捉え、意味的類似性による検索を可能にする。この技術は現代のRAGシステムにおいて基本的である。
クエリエンリッチメント
構造化された情報とメタデータをクエリに追加するプロセスにより、システムによる理解を改善し、検索結果を洗練させる。このエンリッチメントにはエンティティ、関係、文脈的属性が含まれる。
クエリ緩和
関連する結果が見つからない場合に、検索条件を徐々に拡大して検索範囲を広げ、検索結果の取得可能性を最大化する技術。このアプローチにより、より良いカバレッジが保証される。
クエリ精緻化
以前の結果分析と暗黙的または明示的なフィードバックに基づいてクエリを反復的に改善し、より関連性の高い結果に収束させるプロセス。この精緻化プロセスにより、検索の精度が最適化される。
クエリ翻訳
検索システムの能力や多言語コンテキストに適応させるため、クエリをある言語や形式から別の言語や形式（自然言語から形式言語、または自然言語間）に変換すること。この翻訳は意図を保持しながら実行を最適化する。
クエリ融合
クエリの複数のバリエーションや定式化から得られた結果を知的に組み合わせ、より関連性が高く多様な最終結果セットを生成すること。この融合は、異なる変換アプローチの相補性を活用する。