Antigravity Agent
0441f6e2a2
- Formalized automatic record migration protocol in System Manual. - Integrated high-density knowledge for RAG, AI, Business Strategy, and Leadership. - Enhanced graph connectivity across core strategic hubs. - Archived raw data and updated timeline records.
22 lines
3.2 KiB
Markdown
22 lines
3.2 KiB
Markdown
# [[Hybrid Search (하이브리드 검색)]]
|
|
|
|
## 📌 Brief Summary
|
|
하이브리드 검색(Hybrid Search)은 전통적인 키워드 기반 검색(어휘 검색)과 벡터 기반의 유사도 검색(의미론적 검색)을 결합한 검색 방법론입니다 [1, 2]. 이 방식은 의미 기반 매칭과 정확한 키워드 매칭을 동시에 사용하여 결과를 도출한 뒤, 이를 지능적으로 병합하거나 재순위화(re-ranking)합니다 [3]. 두 기술의 장점을 모두 활용하여 검색의 관련성과 신뢰성을 극대화하기 때문에 실제 프로덕션 환경과 최신 RAG(검색 증강 생성) 아키텍처에서 점점 더 선호되고 있습니다 [4-6].
|
|
|
|
## 📖 Core Content
|
|
* **작동 원리 및 특징**
|
|
하이브리드 검색은 개념적 관련성과 문맥을 파악하는 '밀집 벡터 검색(Dense Vector Search)'과 제품명, ID, 기술 용어, 고유 명사 등 정확한 일치가 필요한 '키워드 검색(Sparse retrieval, 예: BM25)'을 결합하여 작동합니다 [5-7]. 이를 통해 사용자가 자연어 표현으로 길게 질문하든, 단 몇 개의 단어만으로 짧게 검색하든 유연하게 대응하여 검색 결과의 관련성을 크게 향상시킵니다 [2].
|
|
|
|
* **다단계 검색 및 병합(Multi-stage retrieval)**
|
|
하이브리드 검색 아키텍처에서는 다중 검색기(Multiple retrievers)를 통해 각각의 검색 결과를 도출합니다 [7]. 이후 상호 순위 융합(Reciprocal Rank Fusion)과 같은 하이브리드 랭킹 기법을 사용하여 의미론적 검색과 키워드 검색에서 얻은 두 가지 결과 세트를 지능적으로 병합하고 최적의 순위를 매깁니다 [3, 7].
|
|
|
|
* **주요 응용 분야 및 RAG 통합**
|
|
* 고객 지원 시스템에서는 키워드(예: "로그인 오류")로 먼저 필터링한 후, 벡터를 사용해 문맥적 유사도에 따라 티켓의 순위를 매기는 방식으로 활용될 수 있습니다 [1].
|
|
* 검색 증강 생성(RAG) 파이프라인에서 하이브리드 검색은 전문 용어 검색의 정확도(정밀도)와 문맥 이해력(의미적 깊이)을 동시에 확보하기 위해 사용됩니다 [4, 6]. 기업들은 이 두 가지 요소의 균형을 맞추기 위해 하이브리드 검색 모델을 점점 더 많이 채택하고 있습니다 [8].
|
|
|
|
## ⚖️ Trade-offs & Caveats
|
|
* **아키텍처의 복잡성 증가**: 하이브리드 검색은 키워드 검색의 '경직성'과 의미론적 검색의 '특정 용어 누락 가능성'을 훌륭하게 보완하지만 [5], 이를 구현하려면 밀집 벡터 검색과 전통적 키워드 검색이라는 두 가지 서로 다른 검색 메커니즘을 동시에 실행할 수 있는 시스템을 구축해야 합니다 [3, 7].
|
|
* **컴퓨팅 리소스 및 연산 비용**: 단순 키워드 검색은 빠르고 간단한 반면, 하이브리드 방식은 뉘앙스를 처리하는 벡터 검색의 컴퓨팅 리소스를 수반합니다 [1]. 또한 서로 다른 방식으로 도출된 결과물들을 병합하고 재순위화(Re-ranking)하는 추가적인 과정이 필수적으로 요구되므로 단일 검색 방식에 비해 더 높은 시스템 부하와 연산 비용이 발생할 수 있습니다 [3, 7].
|
|
|
|
---
|
|
*Last updated: 2026-05-04* |