用語比較
ベクトル検索とキーワード検索の違い｜意味で探すか、字面で探すか（生成AIパスポート・RAG）
キーワード検索は、文書に同じ語が出てくるかで探す方法です。ベクトル検索は、文書と問い合わせを数値のベクトル(埋め込み)に変え、意味が近いものを探す方法です。
RAG(検索拡張生成)の「検索」の部分に、ベクトル検索を使うことがあります。違いは、類似をどこで測るかにあります。字面の一致ならキーワード検索、埋め込み空間での距離ならベクトル検索と覚えると、選択肢を整理できます。
このページは、Elasticの解説(What is vector search?)をもとに、仕組み・強み・組み合わせ方で比べます。例は、説明用の架空のデータです。
この記事の根拠と出典
各セクションの見出しの下に、公式資料で確認した内容か編集部の整理かをラベルで示しています。 試験日・料金・申込条件・試験方式は変わることがあるため、申込前に公式サイトで確認してください。生成AIパスポートの一次情報確認日: 2026-08-31。
結論
キーワード検索
キーワードの出現、字面の類似、語の出現頻度に頼って探す。
ベクトル検索
意味と文脈を数値表現(埋め込み)に捉え、埋め込み空間での距離で似たものを探す。
見分け方
正確なキーワード一致が要らず、意味で探せるならベクトル検索。
違いを表で確認
| 比較軸 | キーワード検索 | ベクトル検索 |
|---|---|---|
| 類似の測り方 | キーワード検索：語の出現、字面の類似、出現頻度を手がかりにする | ベクトル検索：埋め込み空間での距離を類似度として使い、問い合わせに最も近い近傍を探す |
| キーワードが分からないとき | キーワード検索：探す語が分からないと、見つけにくい | ベクトル検索：意味と文脈が埋め込みに捉えられているので、名前が分からなくても、説明や特徴から探せる |
| 探せるデータ | キーワード検索：語の出現を手がかりにするので、語として扱えるデータが中心 | ベクトル検索：Elasticの解説によれば、テキストのほか、画像や音声の埋め込みも捉えられる |
| 計算の工夫 | キーワード検索：語を手がかりに探す | ベクトル検索：k近傍法のような厳密な探し方は時間と計算資源が大きいため、近似最近傍(ANN)で、完全な精度と引き換えに効率を得る |
| 組み合わせ | キーワード検索：語の出現にもとづく従来のスコアリングと、ベクトル検索を組み合わせることがある | ベクトル検索：フィルタや従来のスコアリングと組み合わせるハイブリッド検索にできる |
生成AIパスポートの学習に使う書籍（Amazon）
試験範囲を通して読むときの1冊です。読んだ章は、このサイトの章別問題で確かめられます。
どこで迷っているかを切り分ける
「ベクトル検索はキーワード検索の上位互換」と思っている人
Elasticの解説も、ベクトル検索をフィルタや従来のスコアリングと組み合わせるハイブリッド検索にできると述べています。両方を組み合わせる使い方があります。
RAGの「検索」で何が起きているかを聞かれる人
質問と文書を埋め込みに変え、質問に近い文書を距離で探すのがベクトル検索です。見つけた文書を生成AIに渡して回答させるのがRAGの流れです。
ANNの意味を聞かれる人
近似最近傍(Approximate Nearest Neighbor)の略です。完全な精度を少し犠牲にして、大規模で高次元のデータでも効率よく近い候補を探します。
具体例で使い分ける
例 1
名前が分からない商品を探す(架空のデータ)
社内の手順書から「紙を留める小さな金属の部品の交換方法」を探したい。部品の正式名称は分からない。
- キーワード検索は、手順書に同じ語が出てこないと、見つけにくくなります。
- ベクトル検索は、問い合わせの意味を埋め込みにして、意味の近い手順書を距離で探します。
- 正式名称が分からなくても、説明から探せます。
結論: 名前が分からず、説明で探す場面は、ベクトル検索の強みが出る場面です。この例は、説明用の架空の例です。
例 2
型番をそのまま探す(架空のデータ)
「AB-1234」という型番が書かれた文書だけを、確実に探したい。
- 決まった語をそのまま探す場面は、字面の一致を使うキーワード検索の得意な使い方です。
- ベクトル検索は意味の近さで探すので、字面の一致を確実に取りたいときは、キーワード検索と組み合わせる考え方があります。
- 組み合わせた検索がハイブリッド検索です。
結論: 決まった語を確実に探すなら字面、説明から探すなら意味、両方を求めるなら組み合わせです。型番は、説明用の架空のものです。
問題文から答えを選ぶ手順
- 1
何で類似を測るかを見る
語の出現や字面ならキーワード検索、埋め込み空間での距離ならベクトル検索です。
- 2
探す側の状況を見る
正式な語が分かるか、説明しか分からないかを確認します。
- 3
組み合わせを考える
字面の一致と意味の近さの両方を求めるなら、ハイブリッド検索を考えます。
試験での見分け方
- 1埋め込み空間での距離で探すのが、ベクトル検索。
- 2語の出現や字面で探すのが、キーワード検索。
- 3名前が分からなくても説明から探せるのが、ベクトル検索の強み。
- 4大規模で効率よく近い候補を探す工夫が、近似最近傍(ANN)。
誤答しやすい選択肢
ベクトル検索は、同じ語が文書に無いと見つからないと考える
修正: ベクトル検索は、正確なキーワード一致を要さずに、意味で探せます。
ANNは、完全に正確な検索だと考える
修正: ANNは、完全な精度を犠牲にして、大規模な高次元空間での効率を得る方法です。
ベクトル検索とRAGは同じものだと考える
修正: ベクトル検索は、近い文書を探す方法です。RAGは、探した文書を使って生成AIに回答させる仕組みで、検索はその一部です。
確認問題
Q1埋め込み空間での距離を類似度として、意味の近いものを探す方法は？
答え: ベクトル検索
意味と文脈を数値表現に捉え、問い合わせに最も近い近傍を探します。
Q2語の出現や字面の類似、出現頻度に頼る従来の検索は？
答え: キーワード検索
正確な語の一致が手がかりです。
Q3ベクトル検索で、完全な精度を犠牲にして大規模データで効率を得る探し方は？
答え: 近似最近傍(ANN)
k近傍法のような従来の探し方は、時間と計算資源が大きくなります。
到達チェック
- ベクトル検索とキーワード検索の類似の測り方の違いを言える
- 名前が分からないときにベクトル検索が有利な理由を言える
- ANNとハイブリッド検索の意味を言える
関連ページで確認する
同じ資格で次に知りたいこと
- 生成AIパスポートは個人受験か団体受験か｜人数・割引・支払い・キャンセルで選ぶ
生成AIパスポートの個人受験と団体受験の選び方を、GUGA公式で整理。団体受験は会員なら人数不問で20%割引、非会員は2名以上・10名以上で10%割引。請求書払いは翌月末、申込後のキャンセル・返金は不可。
- 貪欲法とビームサーチの違い｜次の1語だけで選ぶか、複数の候補を保つか（生成AIパスポート）
貪欲法(greedy search)とビームサーチ(beam search)の違いを、選び方・先読み・向く作業・サンプリングとの関係で整理。生成AIが次のトークンを選ぶ仕組みを、確認問題つきで確認できる。
- Gemini検定（ジェミニ検定）はあるか｜Googleの公式認定と日本の生成AI資格の違い
「Gemini検定」「ジェミニ検定」という名前のGoogle公式試験は確認できませんでした。近い公式の認定（Gemini Certified系・Generative AI Leader）の内容と、日本で受けられる生成AIパスポート・生成AIアドバイザー認定試験との違いを、確認日つきで整理します。
よくある質問
Qベクトル検索の「ベクトル」とは？
文書や画像などの意味と文脈を、数値で表したものです。埋め込み(ベクトル埋め込み)とも呼ばれます。
Qハイブリッド検索とは？
Elasticの解説では、ベクトル検索をフィルタや従来のスコアリングと組み合わせ、関連度を最適化することを指します。
Qどちらが優れている？
優劣は決まりません。意味で探すならベクトル検索、決まった語を確実に探すならキーワード検索が向き、両方を組み合わせる使い方もあります。
次に見る比較
- G検定・DS検定・統計検定2級で重なる用語10語の比較
同じ名前の用語の定義と収録章を、資格ごとに並べます。
- ベイズの定理と条件付き確率の違い（統計検定2級の式と計算例）
求める確率の向きの違いと、陽性になる確率の計算例を確かめます。
- 紛らわしい用語ペア早見表
混同しやすい用語の違いと判定の手掛かりを、資格別の一覧で確かめます。
執筆: ミナト編集部（運営者情報を見る）