ベクトルデータベースとは？

ベクトルデータベースとは

ベクトルデータベースは、文章や画像を表すEmbeddingを保存し、質問ベクトルに近いデータを探すデータベースです。RAGでは、質問に関係する文書チャンクを生成前に取り出す検索基盤として使われます。

保存するもの

一つのレコードには、識別子、ベクトル、元の文章や参照先、メタデータを持たせます。例では、社内規程1,200件をそれぞれ768次元のベクトルにし、部署、公開日、閲覧権限を一緒に保存します。

近いデータを探す仕組み

質問も同じEmbeddingモデルで768次元のベクトルへ変換します。コサイン類似度、内積、ユークリッド距離など、索引と対応する尺度で近さを計算し、1,200件から上位3件を返します。

全1,200件との距離を厳密に計算する方法は分かりやすい一方、件数が増えるほど計算量も増えます。近似近傍検索は索引を使って候補を狭め、少しの取りこぼしを許容する代わりに高速化します。

メタデータ絞り込み

意味が近いだけでは業務条件を満たしません。部署が人事、公開日が2026年以降、閲覧権限がある、といった条件で候補を絞ってから上位3件を返します。ベクトル検索と通常の条件検索を一緒に設計することが重要です。

通常のデータベースとの関係

ベクトルデータベースは、必ずしも独立した専用製品だけを指しません。リレーショナルデータベース、検索エンジン、データウェアハウスにもベクトル列や近傍検索機能があります。専用製品か拡張機能かより、必要な規模、更新頻度、絞り込み、整合性、運用方法で判断します。

Embeddingとの違い

Embeddingは意味や特徴を数値の並びへ変換したデータです。ベクトルデータベースは、その数値を保存し、索引を作り、検索し、元データやメタデータと結び付けます。Embeddingを作るモデルと、検索基盤は別の役割です。

RAGでの役割

RAGでは文書チャンクのベクトルを事前登録し、質問時に近い上位3件を取得します。その3件を質問と一緒にLLMへ渡します。ベクトルデータベースが回答を生成するのではなく、回答材料を選ぶRetrievalを支えます。

選定と運用

検索品質はデータ件数だけで決まりません。同じEmbeddingモデルと次元数を使っているか、距離尺度が合うか、必要な上位3件を拾えるか、メタデータ条件と権限を正しく適用できるかを評価します。更新・削除、バックアップ、監視、費用も含めて選びます。