あなたは、Azure AI Searchを使用してインデックス付きナレッジベースからドキュメントを取得する、検索拡張生成(RAG)システムを管理しています。
システムは以下の検索要件をサポートする必要があります。
正確なポリシー識別子を含むクエリは、意味的な類似性が低い場合でも、一致するドキュメントを返さなければなりません。
自然言語による質問では、キーワードが完全に一致しない場合でも、意味的に関連性の高い文書を優先的に扱う必要がある。
要件を満たすように、データ取得方法を設定する必要があります。
各要件に対して、取得動作をどのように設定すべきでしょうか?回答するには、回答欄で適切なオプションを選択してください。注:正解ごとに1ポイントが加算されます。

正解:

Explanation:
クエリの種類によって、根本的に異なる検索アルゴリズムが必要になります。正確なポリシー識別子を含むクエリの場合、キーワード検索または BM25 検索が適切な選択肢です。BM25 は用語頻度と逆文書頻度に基づいて文書をスコアリングするため、POL などの特定のポリシー識別子に完全に一致すると、
2024-HR-042 は、意味的な文脈に関係なく非常に高いスコアを獲得しています。これは、意味的な類似性は低いものの、用語の完全一致が重要な場合に最適なアプローチです。キーワードが完全に一致しない可能性のある自然言語の質問の場合、セマンティック検索またはベクトル検索が適切な選択肢となります。これは、ベクトル埋め込みが正確なトークンではなく意味を捉えるため、ユーザーの語彙がドキュメントの用語と異なっていても、関連するドキュメントを見つけることができるからです。Azure AI Search は、ハイブリッド検索機能を通じて両方のモードをサポートしており、適切な構成では、各クエリタイプを最適な検索アルゴリズムにマッピングします。
Microsoft Learn リファレンス トピック: Azure AI Search でハイブリッド検索を構成する - BM25 キーワード検索と
意味ベクトル検索
