アーカイヴ (arXiv) は11月19日(現地時間)、研究論文を発表し、インドのマハラシュトラ州政府の施策検索で、ハイブリッド検索システムがBM25ベースラインを上回る性能を示したと明らかにした。このシステムは、BM25検索と文埋め込み(Sentence-embedding)の類似度を等しい重みで融合。英語とマラーティー語の施策説明をインデックス化し、多言語対応とセマンティック設定をサポートする。手動でキュレーションされたバイリンガルクエリによる評価では、平均逆順位(MRR)が最大0.879を記録した。
政府施策の検索は、市民の情報ニーズと公式な行政説明を、言語や専門用語を横断して一致させる必要がある。この研究では、マハラシュトラ州政府の施策および公共サービス向けにバイリンガル検索システムが開発された。このシステムは、BM25検索と文埋め込み類似度を等しい重みでスコア融合する方式を採用しており、英語とマラーティー語にアラインされた施策説明をインデックス化する。多言語、マラーティー語中心、翻訳を介したセマンティック設定に対応する。
評価は、手動でキュレーションされたバイリンガルクエリを用いて実施された。BM25、高密度(Dense Retrieval)、およびIndicSBERTとMahaSBERTを用いたハイブリッド検索が比較された。BM25は平均逆順位(MRR: mean reciprocal rank)で0.864というベースラインを示した。ハイブリッド検索は、IndicSBERT使用時にMRRを0.872へ、MahaSBERT使用時にMRRを0.879へ向上させた。これに対し、高密度のみのシステムはそれぞれ0.663と0.655のMRRであった。MahaSBERTベースの融合は、精度(Precision)を0.781から0.808に増加させ、BM25のリコール(Recall)0.946と一致する結果となった。
これらの結果は、当該コレクションにおける語彙的(lexical)信号と意味的(semantic)信号の相補的な利用を支持する。同時に、強力な語彙ベースラインからの改善は控えめであり、測定基準に依存することも示されている。本研究は、バイリンガルな公共サービス情報アクセスにおけるハイブリッド検索の応用に関する分析を提供した。
参考: arXiv cs.LG (アーカイブ) — 2026年11月20日 02:58 (JST)