メタデータ株式会社（所在地：東京都文京区、代表取締役社長：野村直之）は、高精度RAGエンジン「ChatBrid（チャットブリッド）」を複数テキストカラム対応に拡張しました。任意の数のテキスト列を持つCSVを取り込むだけで、回答・見出し（質問）・サブテキスト群・属性の各フィールドをベクトル化し、重み付け（W）を反映した類似検索が可能になります。さらに、ヒットしたチャンクの任意カラムのみをLLMへ送出でき、処理速度・機密性・精度を同時に高めます。合わせてビジュアル類似検索を複数テキスト列対応のRAGに最適化。知識デバッグの決定打として、表形式に散らばった情報を高精度に“知識化”します。
複数テキストカラム対応のビジュアル類似検索
■ 背景
当社は2018年よりテキストマイニング製品「Mr.Data」「Mrテキスト分析」でヴィジュアル類似検索を提供してきました。RAGの実務運用においても、“なぜヒットしたか”を視覚的に把握し、どのフィールドをどれだけ重視するかを自在に調整できることが、知識デバッグの生産性と最終回答の品質を左右します。今回の拡張は、そのノウハウをRAGに最適化したものです。
従来のChatBridは、「見出し（質問）」と「本文（回答）」のペアを中心にベクトル化・検索してきました（https://metadata.co.jp/services/chatbrid.html）。しかし実務のデータは、FAQ・マニュアル・議事録・問い合わせ履歴・品質票など、1レコード内に複数のテキストフィールド（例：件名・要約・本文・タグ・備考）があることが一般的です。今回の拡張により、表形式の情報密度を余さず検索と生成に活かすことが可能になりました。
■ 仕組み（概念図のポイント）
● 検索対象の構成要素
図左の「Vector Databases」では、各データセットに「回答（W_ans）」「見出し（W_head）」「サブテキスト群（各W_c,i）」「マニュアル名（W_manual）」「各種属性群（W_category）」を保持。各W（重み）は0.0以上で設定でき、精密な類似度計算に寄与します。
● 重み付けの使い分け
例：FAQでは見出し重視（W_head↑）、長文マニュアルでは本文＝回答重視（W_ans↑）、タグや備考は補助的に（W_c,iやW_categoryを控えめに）など、データ特性に応じて最適化可能。
● 最小限送出設計
図右下の緑吹き出しのとおり、上位に入ったチャンクの必要なカラムのみをChatBridからLLMへ送ります。不要情報は送らないため、
o トークン削減で処理速度向上
o 機密を含むカラムの非送出で情報保護
o ノイズ低減で回答の一貫性向上
を実現します。
■ 新機能（今回のアップデート）
● 複数テキストカラムのベクトル検索対応
任意個のテキスト列を取り込み、一括でベクトル化・検索対象化。
● カラムごとの重み設定（0.0以上）
類似度計算に反映。UIで即時プレビューでき、チューニングの効果を可視化。
● 送出カラム選択
類似度上位チャンクの任意カラムだけをLLMへ送出可能。
● 属性の参考情報送出（任意）
マニュアル名・主管部門・カテゴリなどの非テキスト属性を、LLMへの補助コンテキストとして付与／非付与を選択。
■ 画面と運用（ヴィジュアル類似検索の強化）
● 検索クエリ中のキーワードがどのカラムのどこにヒットしたかを対応色で色分けハイライト。
● 重み変更前後で関連度スコアと順位の変化を比較し、最短手数で“当て感”を作れる。
● 知識デバッグ時は、送出カラムと送出しないカラムを並べて確認でき、誤検知・漏れの早期是正に寄与。
■ 期待される効果
● 表形式ドキュメントの価値を最大化：件名・要約・本文・備考・タグ・その他テキスト列に類似の手がかりが散在するCSV情報を統合的に横断活用。
→ CSVや業務エクスポートの複数テキスト列をそのまま知識に。
● 回答品質と説明責任の向上：どのカラム・どの属性が効いたかをGUIで確認でき、ヒット根拠の提示が容易。
● 運用コストの削減：不要カラムを送らない設計と重み付けで、LLM費用とレイテンシ（回答待ち時間）を同時に低減。
■ ユースケース例
● ヘルプデスク／FAQ運用：件名・要約・本文・タグを一体で検索し、的確な候補を提示。
● 製品マニュアル・品質管理：章見出し・ステップ本文・注意書き・備考を最適重みで検索。
● 営業ナレッジ／案件DB：案件名・メモ・課題・対応履歴など、散在テキストを横断活用。
■ 提供開始
● 2025年11月より提供（管理画面からCSVアップロードとカラム設定が可能）
配信元企業：メタデータ株式会社
プレスリリース詳細へ
ドリームニューストップへ
