Hybridsuche leicht gemacht – Eine API. Außergewöhnliche Relevanz.
Elasticsearch bietet Ihnen alle Werkzeuge, um hybride Suche über eine einzige API hinzuzufügen, sodass Sie schnell Ergebnisse verbessern und außergewöhnliche Relevanz optimieren können, ohne mehrere Systeme zusammenzusetzen.
Die Kernfunktionen der hybriden Suche
Die hybride Suche ist eine Informationsabruftechnik, die die Relevanz verbessert, indem sie zwei oder mehr Suchmethoden zu einer einzigen Rangliste zusammenführt.
Hybride Suche mit Elasticsearch
Suchen Sie jeden Datentyp in einem einzigen Datenspeicher, und versorgen Sie Retrieval-Augmented Generation (RAG) sowie KI-Agenten mit Ergebnissen, die Genauigkeit (mit Scoring-Algorithmen wie BM25F) und semantisches Verständnis optimal ausbalancieren.
Warum Entwickler Elasticsearch wählen
Sichern Sie sich die besten Werkzeuge für Präzision, Nachvollziehbarkeit und Kontrolle. Die lexikalische Suche eignet sich hervorragend für strukturierte Abfragen, seltene Begriffe und Daten außerhalb des jeweiligen Fachgebiets. Die semantische Suche bietet zusätzliche Möglichkeiten, wenn exakte Treffer nicht gefunden werden. Steuern Sie das Zusammenspiel beider Methoden durch die Anpassung von Bewertung, Filtern und Gewichtung.
Lexikalische Suche
Vektorsuche
Hybride Suche
Verwenden Sie die BM25F-Bewertung mit voller Kontrolle über Feldgewichte und Term-Boosts – kein Modell erforderlich.
Rufen Sie semantisch verwandte Ergebnisse über die Felder dense_vector oder semantic_text ab.
Kombinieren Sie die Ergebnisse über reciprocal_rank_fusion oder <options> in der Rank-API.
Stimmen Sie die Relevanz mit combined_fields, boost, fuzziness, synonyms und Analyzern ab.
Bringen Sie Ihre eigenen Einbettungen mit oder nutzen Sie die integrierte Inferenz mit ELSER, OpenAI usw.
Verwenden Sie eine einzelne hybride Abfrage mit gemeinsamen Filtern, Gewichtungen und Rerank-Logik.
Erhalten Sie native Unterstützung für Geo-, Term-, Range- und ACL-Filter – schnell und stabil bei Skalierung.
ACORN-1 ermöglicht schnelles, gefiltertes kNN selbst auf großen Datensätzen mit Unterstützung für Filterklauseln.
Verwenden Sie explain, profile und das Feld _rank_features, um zu verstehen, wie Dokumente bewertet werden.
Lexikalische Suche
Vektorsuche
Hybride Suche
Verwenden Sie die BM25F-Bewertung mit voller Kontrolle über Feldgewichte und Term-Boosts – kein Modell erforderlich.
Rufen Sie semantisch verwandte Ergebnisse über die Felder dense_vector oder semantic_text ab.
Kombinieren Sie die Ergebnisse über reciprocal_rank_fusion oder <options> in der Rank-API.
Stimmen Sie die Relevanz mit combined_fields, boost, fuzziness, synonyms und Analyzern ab.
Bringen Sie Ihre eigenen Einbettungen mit oder nutzen Sie die integrierte Inferenz mit ELSER, OpenAI usw.
Verwenden Sie eine einzelne hybride Abfrage mit gemeinsamen Filtern, Gewichtungen und Rerank-Logik.
Erhalten Sie native Unterstützung für Geo-, Term-, Range- und ACL-Filter – schnell und stabil bei Skalierung.
ACORN-1 ermöglicht schnelles, gefiltertes kNN selbst auf großen Datensätzen mit Unterstützung für Filterklauseln.
Verwenden Sie explain, profile und das Feld _rank_features, um zu verstehen, wie Dokumente bewertet werden.
Optimieren Sie Ihren Relevanzprozess
Elasticsearch bietet Ihnen auf jeder Ebene Relevanzkontrolle – von der Null-Konfiguration bis zur vollständigen Anpassung. Erkunden Sie die gesamte Optimierungsreise auf Elasticsearch Labs.
Branchenführend? Direkt eingebaut
Beginnen Sie mit den ersten ELSER- und Jina-AI-Modellen von Elastic, die in Elasticsearch integriert sind. Oder Sie binden sich über native Integrationen innerhalb des KI-Ökosystems an die Modelle an, die Sie bereits verwenden.
Häufig gestellte Fragen
Was ist hybride Suche?
Was ist hybride Suche?
Die hybride Suche kombiniert die Präzision von Schlüsselwörtern (lexikalisch) mit der Ähnlichkeit von Vektoren (semantisch), sodass Nutzer:innen auch dann relevante Ergebnisse erhalten, wenn ihre Suchanfragen nicht genau mit dem Text übereinstimmen.
Worin unterscheidet sich die hybride Suche von der lexikalischen oder der reinen Vektorsuche?
Worin unterscheidet sich die hybride Suche von der lexikalischen oder der reinen Vektorsuche?
Die lexikalische Suche eignet sich ideal für exakte Übereinstimmungen und Filter. Die Vektorsuche berücksichtigt Suchabsicht und Bedeutung. Mit der hybriden Suche können Sie beide Suchtypen in derselben Abfrage kombinieren – die Rangfolge richtet sich nach Relevanz, nicht nur nach Übereinstimmung.
Was sind Abrufabfragen?
Was sind Abrufabfragen?
Retriever-Abfragen kombinieren mehrere Suchstrategien – wie match, kNN oder text_expansion – zu einer einzigen Rangliste der Ergebnisse mithilfe der integrierten Rangfusion.
Kann ich Filter mit Vektorsuche verwenden?
Kann ich Filter mit Vektorsuche verwenden?
Ja. Elasticsearch unterstützt native Filter, Facetten und geografische Einschränkungen zusätzlich zur approximativen kNN-Vektorsuche – kein Rescoring oder Workarounds erforderlich.
Wie bewertet Elasticsearch hybride Suchergebnisse?
Wie bewertet Elasticsearch hybride Suchergebnisse?
Elastic verwendet Scoring-Techniken wie Reciprocal Rank Fusion (RRF) oder Convex Weighting, um lexikalische und Vektor-Scores fair zu kombinieren, sodass die Ergebnisse von Anfang an ausgewogen wirken.
Ist die hybride Suche in Elasticsearch produktionsreif?
Ist die hybride Suche in Elasticsearch produktionsreif?
Ja. Die hybride Suche wird vollständig mit Vektorfeldern, Retriever-Abfragen, semantischen Modellen, Filtern und Beobachtbarkeit unterstützt – alles nativ in Elasticsearch.