検索技術(情報検索)を学ぶ書籍ガイド｜RAGの土台を作り直すための4冊を段階順に選ぶ

RAGを作って評価を取ると、多くのチームが同じところで止まります。生成の文章はそれらしいのに、根拠として渡している文書が的外れ、という状態です。ここで手が伸びやすいのは埋め込みモデルの差し替えやベクトルデータベースの乗り換えですが、効き目が出るのはたいてい別の場所です。トークナイズ、クエリの扱い方、ランキング、そして評価の作り方。いずれも情報検索(Information Retrieval)という分野が積み上げてきた領域で、LLM以前から答えの出ている論点が少なくありません。この記事では、RAGを実装する人が「検索そのもの」の品質を上げるために読む実在の日本語書籍を4冊、段階順に紹介します。なお本記事は書籍紹介であり広告を含みます。価格・版・在庫・内容は変わるため、最新は各公式・書誌ページでご確認ください。

ベクトル検索だけでは、RAGの検索は良くならない#

まず前提を揃えておきます。RAGの検索段でやっていることは、「質問文に対して、答えの根拠になりうる文書片を上位に並べる」処理です。これは情報検索そのもので、埋め込みベクトルの近さで並べるのはその手段の一つにすぎません。

ベクトル検索は言い換えや文意の近さに強い反面、字面の一致が支配的なクエリに弱いという性質があります。型番、エラーコード、社内の略語、人名、法令の条番号といった語は、意味的に近い別の文書のほうが高いスコアを取ってしまうことがあります。だからこそキーワード検索とベクトル検索を組み合わせるハイブリッド検索が現実的な選択肢として広く使われており、OpenSearchのように公式ドキュメントで正面から扱っている検索エンジンもあります。

そしてキーワード検索側を足すと、情報検索の基礎知識が必要になります。日本語をどうトークンに切るのか、表記ゆれをどこで吸収するのか、スコアリングは何を使うのか、フィールドごとに重みをどう付けるのか。Elasticsearchの既定のスコアリング方式はBM25で、単語頻度の飽和を制御するk1(既定1.2)と文書長による正規化の度合いを決めるb(既定0.75)というパラメータを持ちます。この程度の話でも、知らないまま運用すると「長い文書ばかり上位に来る」といった現象の原因にたどり着けません。

もう一つ、見落とされがちなのが評価です。検索の良し悪しを測る指標は情報検索の分野で整理されており、Elasticsearchのランキング評価API(Ranking evaluation API)にもPrecision@k、Recall@k、MRR(平均逆順位)、DCG、ERRといった指標が用意されています。ただしこれらを計算するには、「この質問に対して、この文書は関連する」という判定(rating)のデータが要ります。RAGの評価セットを作る作業は、情報検索の適合性判定を作る作業と同じものです。

情報検索の基礎が、RAGのどこに効くか#

書籍を選ぶ前に、情報検索の主要な概念がRAGのどこに効くのかを対応づけておくと、目次を見たときの判断が速くなります。

RAGの文脈でとりわけ重要なのは最後の2行です。検索段で正解文書を候補に拾えていなければ、どれだけ良いLLMを使っても答えは作れません。リランキングやプロンプト調整に手を出す前に、まず検索段のRecallを測るべきだということです。

選書の軸を4段階で決める#

検索の本は、扱う層がかなり違います。検索システム全体の作り方を語る本、ランキング改善のプロジェクト運営を語る本、ベクトル検索の内部実装を語る本、情報検索の理論を体系立てて語る本。書店では同じ棚に入りますが、読者も前提知識も別物です。次の4段階のどこで詰まっているかを先に決めてから選ぶことをおすすめします。

4冊すべてを読む必要はありません。語彙が足りないなら1、評価が回っていないなら2、ベクトル検索のパラメータで悩んでいるなら3、基礎を固めたいなら4、という順で1冊を選び切るほうが身につきます。

1. 検索システムの全体像をつかむ(検索システム ― 実務者のための開発改善ガイドブック)#

最初の1冊は、全文検索エンジンを使った検索システムの構築と改善を、理論から運用まで一続きで扱う書籍です。ラムダノートから刊行されており、A5判360ページ、6名の共著という構成になっています。

公開されている目次を見ると、範囲の広さが分かります。第I部「検索エンジンの基礎」では、転置インデックスの構造と検索の流れ(第2章)、日本語を含むテキスト解析(第3章)、ポスティングリストの走査とランキングのアルゴリズム(第4章)、データ登録(第5章)、検索インターフェースと検索クエリの処理(第6章)を扱います。第II部では、「よい検索とは」(第7章)から始まり、プロジェクトの始め方(第8章)、評価と課題の発見(第9章)、クエリ提案(第10章)、検索を成功させるための支援(第11章)、機械学習によるランキング(第12章)へ進みます。

RAGを作る立場から見ると、第3章と第4章と第9章の価値が高いと考えられます。日本語のトークナイズをどう設計するか、スコアがどう決まるか、検索の精度をどう測るか。この3つはハイブリッド検索を組む時点で必ず必要になる知識で、しかもRAGの解説記事ではほとんど触れられません。

書かれていない範囲も押さえておきましょう。刊行は2022年5月(公開されている情報では2024年3月に第3刷)で、公開目次の範囲ではLLMやRAGを前提とした章立てにはなっていません。生成AIと検索を組み合わせる設計は別途補う必要があります。また、特定の検索エンジン製品の設定手順書でもないため、Elasticsearchなどの具体的な操作は各製品のドキュメントを併読することになります。

検索システム ― 実務者のための開発改善ガイドブック(ラムダノート)

広告

著者: 打田智子、古澤智裕、大谷純、加藤遼、鈴木翔吾、河野晋策 / 出版社: ラムダノート / 2022年5月第1版 / A5判360ページ。転置インデックス、日本語を含むテキスト解析、ランキングのアルゴリズム、データ登録、検索インターフェース、評価、機械学習によるランキングまでを一続きで扱います。RAGの検索段を設計する人が語彙を揃えるのに向いています。刊行時期の関係でLLM/RAG前提の章立てではない点に注意してください。

Amazonで見る楽天で見るYahoo!ショッピングで見る

※価格・在庫は変動します。最新の情報は各販売サイトでご確認ください。

2. ランキング改善と評価の型を身につける(機械学習による検索ランキング改善ガイド)#

2冊目は、検索結果の並び順を機械学習で改善するプロセスを、プロジェクトの進め方とハンズオンの両面から扱う書籍です。オライリー・ジャパンから2023年8月に刊行され、304ページ。第I部が「機械学習導入プロジェクト」、第II部が「ハンズオン」という二部構成になっています。

第I部では、検索の基本と検索システムの構成、ランキング改善プロジェクトの流れと準備、機械学習を使わないランキング改善、機械学習を使ったランキング改善、モデルの改善と運用、負荷テスト、A/Bテストが順に並びます。注目したいのは「機械学習を利用しない検索ランキング改善」の章が独立して置かれている点です。いきなりモデルに手を出す前にやるべきことがある、という順序は、RAGの改善でもそのまま当てはまります。第II部のハンズオンでは、Wikipediaのデータセットを検索エンジンに投入してベースラインを評価し、訓練データセットを生成し、モデルを学習してオフライン評価と定性評価を行うところまでを扱います。サンプルコードはオライリー・ジャパンのGitHubリポジトリで公開されています。

RAG開発者にとっての実利は、評価とプロジェクト運営の型が手に入ることです。ベースラインを決め、オフライン評価で候補を絞り、負荷とレイテンシを測り、オンラインで確かめる。この順序は、検索器をベクトルに置き換えたRAGでも変わりません。付録Aではベクトル検索と機械学習として、Bag-of-Wordsモデル、ベクトル類似検索、近似最近傍探索が扱われています。

限界も明確です。主題はあくまで検索ランキングであり、LLMによる回答生成やプロンプト設計は扱いません。また、第I部後半のA/Bテストやクリックログを使った改善は、十分なトラフィックのあるサービスを前提とした議論です。社内向けRAGのようにユーザー数が限られる環境では、オフライン評価の章に重心を置いて読むことになります。

機械学習による検索ランキング改善ガイド ―技術解説とハンズオンで学ぶ機械学習ランキングモデルの導入と改善(オライリー・ジャパン)

広告

著者: 真鍋知博、社本秀之、井関洋平、鈴木翔吾 / 出版社: オライリー・ジャパン / 2023年8月発行 / 304ページ。ランキング改善プロジェクトの流れ、機械学習を使わない改善、モデルの学習と運用、負荷テスト、A/Bテストを解説し、後半のハンズオンでベースライン評価から訓練データ生成、オフライン評価までを実装します。検索の改善ループを型として身につけたい人向けです。LLMの生成側は対象外で、A/Bテストの章は一定のトラフィックがある環境を前提としています。

Amazonで見る楽天で見るYahoo!ショッピングで見る

※価格・在庫は変動します。最新の情報は各販売サイトでご確認ください。

3. ベクトル検索の内部と速度を理解する(ベクトル検索実践入門)#

3冊目は、ベクトル検索そのものを主題にした書籍です。技術評論社から2026年1月に刊行され、B5変形判376ページ。出版社ページでは、キーワード検索が表面的な情報を扱うのに対しベクトル検索は意味を扱う、という位置づけで説明されています。

構成は、前半でデータの準備からベクトル化、検索エンジン、評価までを通し、後半で高度化と高速化を扱う流れです。公開されている目次では、第1章でデータの準備とランク学習用データセット、第2章で基本的なベクトル化(Sentence Transformersなど)、第3章で近似最近傍探索エンジンの紹介、第4章で検索結果の評価(nDCGやレイテンシ)、第5章以降で高度なベクトル化(Two-Tower/Single-Towerモデル、ファインチューニング)、GPU活用や量子化、次元削減とハッシュ(PCA、LSH)、クラスタによる高速化(IVF、直積量子化)、グラフによる高速化(HNSW)、既存の機械学習モデルとの統合へと進みます。付録では画像のベクトル検索も扱われています。

ベクトルデータベースの選定で「HNSWとIVFのどちらが向くのか」「量子化でどこまで精度が落ちるのか」といった判断に迷ったことがあるなら、この本の後半が該当します。製品のドキュメントはパラメータの意味を説明してくれますが、その裏側にあるアルゴリズムの性格までは書かれていないことが多いためです。

一方で、これはベクトル検索の本であって、RAG全体の設計書ではありません。チャンク分割の方針、LLMへの渡し方、プロンプト設計、ハルシネーション対策は主題ではないと考えるのが自然です。キーワード検索側の作り込み(日本語のトークナイズや同義語辞書)も中心ではないため、ハイブリッド検索を組むなら1冊目との併読が現実的です。

ベクトル検索実践入門(技術評論社)

広告

著者: 真鍋知博 / 出版社: 技術評論社 / 2026年1月発売 / B5変形判376ページ。データ準備、ベクトル化モデル、近似最近傍探索エンジン、nDCGなどによる評価を通したうえで、量子化・次元削減・IVF・HNSWといった高速化手法へ進みます。ベクトル検索のパラメータを根拠を持って選びたい人に向いています。RAG全体の設計やLLMのプロンプト設計、キーワード検索側の作り込みは主題ではありません。

Amazonで見る楽天で見るYahoo!ショッピングで見る

※価格・在庫は変動します。最新の情報は各販売サイトでご確認ください。

4. 理論の原典で腰を据える(情報検索の基礎)#

4冊目は、情報検索の教科書として広く参照されてきた『Introduction to Information Retrieval』(Cambridge University Press、2008年)の日本語版です。共立出版から2012年6月に刊行、B5判496頁。原著者はChristopher D. Manning、Prabhakar Raghavan、Hinrich Schützeの3名で、訳者は岩野和生、黒川利明、濱田誠司、村上明子の4名です。

章立ては、論理検索、用語語彙とポスティングリスト、辞書と融通のきく検索、インデックスの構築と圧縮、スコア付け・用語重み付け・ベクトル空間モデル、情報検索の評価、適合フィードバックとクエリー拡張、確率的情報検索、テキスト分類、クラスタリング、ウェブ検索とリンク解析と、教科書の順序で進みます。RAGの実装者に直接効くのは、評価の章、スコア付けの章、クエリー拡張の章でしょう。適合率・再現率やnDCGがどういう前提のもとで定義され、何を測れて何を測れないのかを、原典に近い形で理解できます。

正直に書いておくべき点もあります。原著は2008年、日本語版は2012年の刊行です。つまりTransformer以前の教科書であり、埋め込みによる密検索、ニューラルなランキング、LLMとの組み合わせは扱っていません。最新の手法を追う目的には向かない一方、転置索引、スコアリング、評価設計、クエリー拡張といった土台は現在も動いており、ベクトル検索の論文や製品ドキュメントを読むときの前提知識として機能します。なお原著は著者らのサイトで全文が公開されているため、日本語で通読したいのか、原文で必要な章だけ読めば足りるのかは購入前に判断しておくとよいでしょう。

情報検索の基礎(共立出版)

広告

原著: Christopher D. Manning、Prabhakar Raghavan、Hinrich Schütze / 訳: 岩野和生、黒川利明、濱田誠司、村上明子 / 出版社: 共立出版 / 2012年6月発行 / B5判496頁。転置索引、インデックス構築、スコア付け、検索システムの評価、適合フィードバックとクエリ拡張、テキスト分類、クラスタリング、ウェブ検索とリンク解析までを教科書の順序で扱います。腰を据えて基礎を固めたい人向けです。原著は2008年刊で、密検索やニューラルランキング、LLMとの組み合わせは扱っていません。

Amazonで見る楽天で見るYahoo!ショッピングで見る

※価格・在庫は変動します。最新の情報は各販売サイトでご確認ください。

4冊の使い分けと、書籍で埋まらない部分#

役割と、いま詰まっている場所から選ぶための対応表です。刊行時期はそのまま「LLM以後の話題をどこまで含むか」の目安になります。

RAGの実装者なら1冊目から入り、評価が回らないなら2冊目、ベクトル検索の内部で詰まったら3冊目、時間が取れるときに4冊目、という流れが素直だと考えられます。すでに検索エンジンの運用経験があるなら、1冊目を飛ばして2冊目から入っても問題は少ないはずです。

書籍だけでは埋まらない部分#

検索技術は、理論の部分が比較的安定している分野です。転置索引もBM25も評価指標も、数年で消える知識ではありません。一方で実装に近い部分は動きます。検索エンジンのバージョンごとの機能差、ベクトル検索の対応状況、日本語解析プラグインの仕様、埋め込みモデルの性能。特にハイブリッド検索まわりは各製品が機能を追加している最中で、書籍の記述と現行の実装が食い違うことがあります。

本記事に記載した書名・著者・訳者・出版社・刊行時期・ページ数・判型・ISBN・目次は、各出版社の公式書誌ページ(frontmatterのsources)で確認できた範囲の情報です。版・価格・在庫・目次は改定されるため、購入前に各公式ページで最新情報をご確認ください。各書籍の「扱っていない範囲」の記述は、公開されている目次と出版社の内容紹介から判断できる範囲の整理で、本文全体を網羅的に検証したものではありません。検索エンジンの仕様(既定のスコアリング方式やパラメータの既定値、評価APIの対応指標)は各公式ドキュメントに基づく2026年7月時点の内容で、バージョンによって変わります。

読んだ内容をRAGに落とすときの最初の一歩#

本を読み終えたあと、いきなり検索基盤を作り替えようとすると手が止まります。測る仕組みを先に用意し、安い調整から順に試すのが現実的です。

この順序は、2冊目が示す「機械学習を使わない改善を先に」という考え方と、1冊目が示すテキスト解析の重要性を、RAGの文脈に置き換えたものです。書籍の価値は、こうした順序を経験則ではなく根拠を持って選べるようになる点にあります。

よくある質問#

まとめ#

RAGの検索がうまくいかないとき、原因はモデルの選択よりも検索そのものの設計にあることが少なくありません。日本語がどう切られているか、スコアが何で決まっているか、そして改善を判定する物差しがあるか。この3点は情報検索の分野が長く扱ってきた領域で、書籍で体系的に学べる部分でもあります。

今回紹介した4冊は守備範囲が異なります。全体像をつかむ本、改善の型を身につける本、ベクトル検索の内部を知る本、理論を固める本。どれも「これ1冊で検索が良くなる」種類の本ではなく、どこが分かっていないのかを明確にしてくれる本だと捉えるのが実態に近いはずです。まずは詰まっている段階に対応する1冊を選び、並行して評価データを数十件作るところから始めてみてください。検索の改善は、測れるようになった瞬間から進み始めます。