-
紙書籍をお届けします（PDFがついてきます）
- 通常はご注文から2～3営業日で発送します。
- 年末年始や大型連休など、1週間から10日程度、配送のお休みをいただく場合があります。詳しくはお知らせをご覧ください。
情報を見つける＆要求を見つける
- 打田智子・古澤智裕・大谷 純・加藤 遼・鈴木翔吾・河野晋策 共著
- 368ページ
- A5判/1色刷
- ISBN：978-4-908686-27-6
- 2022年5月2日 第1版第1刷 発行
- 2026年10月27日 第2版第1刷 発行
- 書籍内のサンプルコード
コンピューターによる情報検索では、クエリに一致する文字列をすばやく見つけ出すための全文検索エンジン、埋め込みモデルを利用して近い情報を見つけるベクトル検索、自然言語処理を応用したクエリ提案やクエリ書き換え、機械学習を駆使した検索結果のランキング、そして大規模言語モデルによるエージェントなどなど、さまざまな技術を総動員することになります。利用者にとって「よい検索」を実現するために、ソフトウェアシステムの開発や運用に携わる実務者が知っておくべき知見が広範囲に整理された定番解説書の増補改訂版です。
著者紹介
打田智子
筑波大学大学院システム情報工学研究科修了後、複数の企業でバックエンドエンジニア、検索エンジニアとして勤務。現在は、株式会社LegalOn TechnologiesにてAIエージェント開発に従事。仕事の傍らオープンソース活動にも興味を持つ。OSS検索エンジンライブラリApache Luceneコミッター。本書の企画取りまとめ役。
主たる執筆担当箇所：第2章、第4章および第6章
古澤智裕
筑波大学大学院図書館情報メディア研究科博士前期課程修了。卒後、情報検索や情報推薦のプロダクト開発に従事。2019 年より株式会社メルカリに入社し、検索評価に取り組んだ後、現在は推薦システムなどの開発を推進中。
主たる執筆担当箇所：第1章、第7章および第8章
大谷 純
フリーランスエンジニア/コンサルタント。検索に関するシステム（Elasticsearchなど）の設計・実装などについて企業をサポート。また、検索技術勉強会の立ち上げ、運営に参画している。
主たる執筆担当箇所：第3章、第5章および第6章
加藤 遼
検索エンジニア。複数の事業会社で検索機能の開発を経験後、株式会社ビズリーチに入社。同社にて検索品質の改善を推進し、現在は情報検索技術を活用したプロトタイピングや研究開発、検索体験の向上に取り組んでいる。
主たる執筆担当箇所：第6章、第7章および第8章
鈴木翔吾
東京工業大学大学院情報理工学研究科計算工学専攻修了後、ヤフー株式会社に入社。以来、機械学習エンジニアおよび検索エンジニアとして、機械学習を用いた検索結果のランキング改善に従事。
主たる執筆担当箇所：第10章および第13章
河野晋策
機械学習エンジニア・検索エンジニア。筑波大学情報学群知識情報・図書館学類修了後、株式会社リクルートに入社。検索改善などの業務に従事。
主たる執筆担当箇所：第10章、第11章および第12章
目次
本書について
本書の構成
謝辞
第1章 イントロダクション
1.1 ゼロからはじめる検索システム開発
1.2 検索システムと情報検索の歴史
1.3 検索システムの全体像と構成要素
第I部 検索エンジンの基礎
第2章 全文検索エンジンのしくみ
2.1 転置インデックスの概要
2.2 実用的な転置インデックスの構造
2.3 転置インデックスを使った全文検索の流れ
2.4 テキストデータ以外のインデックス
2.5 無償で利用可能な検索エンジンの紹介
第3章 テキスト解析
3.1 トークン化
3.2 英語のテキスト解析
3.3 日本語のテキスト解析
3.4 そのほかの言語のテキスト解析
3.5 テキスト解析で行うそのほかの処理
第4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
4.1 ランキングを考慮しないポスティングリスト走査
4.2 検索クエリとドキュメントの類似度計算
4.3 ランキングを考慮したポスティングリスト走査
4.4 検索エンジンのパフォーマンスとスケーラビリティ
4.5 まとめ
第5章 検索エンジンへのデータ登録
5.1 データを入手する前に
5.2 データを入手して検索できるようにするまで
5.3 データ入手の実際
5.4 コンテンツの抽出
5.5 データの変換や加工について
5.6 LLMなどを活用したデータの拡充
5.7 検索エンジンにコンテンツを登録する手段
第6章 ベクトル検索
6.1 全文検索とベクトル検索の違い
6.2 埋め込みモデルの登場と検索への応用
6.3 全文検索とベクトル検索の相補性
6.4 近似最近傍探索
6.5 ベクトル検索エンジン
6.6 ベクトル検索のためのデータ登録
6.7 ベクトル検索の高速化とメモリ削減の技術
6.8 ハイブリッド検索
6.9 文書とクエリの類似度を計算するモデル（Bi-Encoder、Cross-Encoder、Late-Interaction）
6.10 Sparse Embedding（疎な埋め込みベクトル）
6.11 マルチモーダル埋め込みモデル
6.12 AIアプリケーションへの応用
第7章 検索インターフェースと検索クエリの処理
7.1 検索インターフェース設計の前提知識
7.2 検索インターフェースの構成要素
7.3 検索結果の表示
7.4 検索をナビゲートする機能
7.5 検索クエリの入力を補助する機能
7.6 モバイル端末における検索体験
7.7 検索クエリの処理
7.8 新しい検索技術による検索体験の変化
7.9 検索に必要な機能とは？
第II部 より高度な検索システムにむけて
第8章 よい検索とは
8.1 ユーザーについて
8.2 検索のエコシステム
8.3 高度な検索機能に向けて
第9章 検索システムプロジェクトの始め方
9.1 検索システムのプロジェクト
9.2 プロジェクトの立ち上げから計画まで
9.3 実行および監視とコントロール
9.4 終結
9.5 検索システムの運用
第10章 検索システムの評価と課題の発見
10.1 検索システムの精度評価
10.2 オフライン評価
10.3 オンライン評価
10.4 検索システムの課題の発見
第11章 クエリ提案とドメイン理解の支援
11.1 「情報要求を検索クエリとして表現するプロセス」を支援する機能
11.2 クエリ提案の実装
11.3 ドメイン理解を支援する機能
11.4 クエリ提案とドメイン理解におけるLLMの利用
第12章 検索を成功させるための支援
12.1 検索クエリはどのようなカテゴリに分類できるか
12.2 検索クエリのパフォーマンス測定
12.3 検索エンジンへのクエリを書き換える
12.4 検索者からのフィードバックを活用する
12.5 探索的検索の観点で検索システムを評価する
12.6 検索支援機能におけるLLMの利用
12.7 まとめ
第13章 検索結果のランキング
13.1 ランキングの基本的な手法
13.2 機械学習によるランキング
13.3 機械学習を利用したランキングの実行例
13.4 ランキング学習における特徴量について
13.5 関連度について
13.6 機械学習を利用したランキングの実応用上における注意点
13.7 機械学習によるランキングを採用したサービス事例
さらに先に進むために
情報検索に関する書籍
国際会議
国際論文誌
日本での情報源
参考文献
索引
著者について
