要旨: COVID-19の科学文献に対するハイブリッド検索システムを提示します。TREC-COVIDベンチマークで評価しました（171,332本の論文、50件の専門家クエリ）。本システムは、疎（SPLADE）、密（BGE）、ランクレベル融合（RRF）、および射影ベースのベクトル融合（B5）アプローチにまたがる6つの検索構成を実装しています。RRF融合は最良の関連性を達成します（nDCG@10 = 0.828）。密のみ（dense-only）より6.1%優れ、疎のみ（sparse-only）より14.9%優れています。射影融合の変種は、専門家クエリでnDCG@10 = 0.678に到達しつつ、33%高速（847 ms 対 1271 ms）であり、さらにRRFよりILD@10が2.2倍高い結果を生成します。専門家、機械生成、そして3種類の言い換えスタイルを含む計400クエリにわたる評価では、B5はキーワードが多い言い換えに対して最大の相対的向上を示します（+8.8%）。ただし、絶対的なnDCG@10においてはRRFが引き続き最良です。専門家クエリでは、MMRによる再ランキングにより、20.4-25.4%のnDCG@10コストで、リスト内多様性（intra-list diversity）が23.8-24.5%増加します。遅延（レイテンシ）を対象に評価した両方の融合パイプラインは、すべてのクエリ集合においてサブ2秒の目標を下回っています。システムは、Pineconeのサーバレス・インデックスを背後に持つStreamlitのWebアプリケーションとして展開されています。
COVID-19文献のハイブリッド検索：ランクフュージョンとプロジェクションフュージョンを多様性再ランキングで比較
arXiv cs.CL / 2026/4/16
💬 オピニオンDeveloper Stack & InfrastructureTools & Practical UsageModels & Research
要点
- 本論文は、TREC-COVIDベンチマーク上でCOVID-19文献を検索するためのハイブリッド検索システムを提案し、スパースモデル（SPLADE）、ダンスモデル（BGE）、および融合戦略（RRFとプロジェクションベースB5）を組み合わせることで、関連性と多様性の向上を図る。
- ランクレベル融合（RRF）は、nDCG@10が0.828で、ダンスのみ／スパースのみのベースラインを上回り、全体として最良の検索品質を示す。一方、プロジェクション融合（B5）は、関連性を一部犠牲にする代わりに、レイテンシと多様性指標をより強く改善する。
- B5のプロジェクション融合バリアントはnDCG@10が0.678であるが、RRFに対して33%高速（847 ms 対 1271 ms）で、ILD@10は2.2倍高い。特に、キーワード中心の言い換えにおいて相対的な改善が最大となる。
- MMRによる多様性志向の再ランキングを適用すると、リスト内の多様性が約24%（ILDの改善）向上するが、nDCG@10で有効性が約20〜25%低下し、関連性と多様性のトレードオフを定量化する。
- 本システムは、Pineconeのサーバレス・インデックスを用いたデプロイ済みのStreamlit Webアプリとして実装されており、複数のクエリ種別にわたってエンドツーエンドのレイテンシをサブ2秒の目標内に維持する。
