多言語検索、混合クエリで精度が向上

シンガポール国立大学の研究チームは、多言語密検索システムにおけるクエリ混合の効果を体系的に分析した論文を発表した。実験では多言語ベンチマークデータセット「mMARCO」を用い、並列翻訳クエリの埋め込みベクトルを異なる比率で補間することで混合クエリを生成し、検索精度への影響を評価した。

研究の核心は「混合比率の最適化」にある。BGE-M3モデルを用いた実験で、最適な混合比率を設定した場合、105の言語・文書インデックスの組み合わせのうち88ケースにおいて、いずれの単言語クエリのみを用いる場合よりも高い検索精度を達成した。この結果は、ユーザーが日常的に複数言語を混在させて入力するアジア地域やヨーロッパ多言語圏のサービス設計において、実用的な改善余地があることを示している。

研究はさらに「英語支配の非対称性」という構造的パターンを明らかにした。非英語の文書インデックスを検索する場合、クエリへの英語混合は例外なく有益である。一方、英語を含む文書インデックスに対しては、純粋な英語クエリが最善であることが判明した。加えて、英語はあらゆる非英語文書言語に対して最も効果的な混合パートナーであることも確認された。また、英語支配の影響を統制した場合、言語間の類型的距離が近いほど混合による恩恵が大きくなる傾向も示された。これらのパターンは複数のモデルファミリーおよびスケールにわたって再現性が確認されており、実装における汎用性を担保する。

この研究が直接影響を与える産業領域は広範だ。まず電子商取引においては、非英語圏の消費者が英語商品名や外来語を混在させた検索クエリを入力するケースが多い。最適混合比率の適用により、商品検索のヒット率や購買転換率（CVR）の改善が期待できる。特に東南アジアや中東を対象としたプラットフォームでは、ローカル言語と英語が日常的に混在するため、恩恵が大きい。

次に法律・コンプライアンス部門での活用が見込まれる。多国籍企業の法務チームは、英語の法規制文書を非英語クエリで検索する機会が多い。研究が示す通り、非英語インデックスへの英語混合は精度向上に寄与することから、契約書や判例の検索精度を示す再現率（Recall）指標の改善につながる。

医療・製薬分野でも応用可能性が高い。医学論文データベースは英語が主流であるが、臨床現場の医師は母国語で思考しながら検索する。英語との最適混合により、検索漏れを減らし、エビデンス収集の効率化が図れる。

カスタマーサポートの分野では、AIチャットボットやFAQ検索システムへの実装が現実的だ。ユーザーが入力した混合言語クエリに対し、バックエンドで最適な埋め込み補間を自動適用することで、一問一答の解決率（FCR）を高めることができる。

実装上の留意点として、最適混合比率は文書インデックスの言語構成に依存するため、システム導入前にインデックスの言語分布を把握する必要がある。ただし、研究が示すパターンは予測可能かつ構造的であるため、言語別のルールベースで比率を事前設定する運用も現実的である。

今後の課題として、コード混合（文中で言語が頻繁に切り替わる現象）を含む実際のユーザー入力データへの検証、および三言語以上の混合シナリオへの拡張が挙げられる。研究チームは混合感度が予測可能な構造を持つと結論付けており、今後は混合比率を自動推定するモジュールの開発が商業応用における次のステップとなる。