Definitie
Hybrid search combineert traditionele keyword-gebaseerde zoekopdrachten (zoals BM25) met moderne semantische vectorzoekopdrachten om relevante documenten te vinden. Door deze twee aanpakken te fuseren, vangt het zowel exacte keyword-matches als conceptuele gelijkenis op, wat robuustere retrieval biedt dan een van beide methoden alleen.
Waarom het belangrijk is
Hybrid search adresseert de beperkingen van pure aanpakken:
- Het beste van beide werelden — vangt exacte termen EN conceptuele matches
- Faalmodusdekking — wanneer de ene methode mist, slaagt de andere vaak
- Domeinflexibiliteit — werkt met technische en natuurlijke taalqueries
- Productiebetrouwbaarheid — consistentere resultaten over querytypes
- RAG-kwaliteit — verbetert documentretrieval voor generatiepipelines
Pure vectorzoekopdrachten kunnen exacte termen missen; pure keyword-zoekopdrachten missen synoniemen—hybrid vangt beide.
Hoe het werkt
┌────────────────────────────────────────────────────────────┐
│ HYBRID SEARCH │
├────────────────────────────────────────────────────────────┤
│ │
│ Gebruikersquery │
│ "BTW regels artikel 15bis" │
│ │ │
│ ┌───────────┴───────────┐ │
│ ▼ ▼ │
│ ┌───────────────────┐ ┌───────────────────┐ │
│ │ KEYWORD ZOEKEN │ │ VECTOR ZOEKEN │ │
│ │ (BM25/TF-IDF) │ │ (Embeddings) │ │
│ │ │ │ │ │
│ │ Exacte matches: │ │ Semantische: │ │
│ │ - "artikel 15bis"│ │ - BTW-regelingen │ │
│ │ - "BTW regels" │ │ - Vrijstellingen │ │
│ │ │ │ - Gerelateerd │ │
│ └─────────┬─────────┘ └─────────┬─────────┘ │
│ │ │ │
│ └───────────┬───────────┘ │
│ ▼ │
│ ┌───────────────────────┐ │
│ │ SCORE FUSIE │ │
│ │ • Reciprocal Rank │ │
│ │ • Gewogen Som │ │
│ │ • Convexe Combinatie│ │
│ └───────────┬───────────┘ │
│ ▼ │
│ Gecombineerde Resultaten │
│ (Beste van beide methoden) │
└────────────────────────────────────────────────────────────┘Fusiemethoden:
- Reciprocal Rank Fusion (RRF) — rankt op basis van positie in elke resultatenlijst
- Gewogen som — combineert genormaliseerde scores met configureerbare gewichten
- Convexe combinatie — α × keyword_score + (1-α) × vector_score
Veelgestelde vragen
V: Welke verhouding van keyword tot vectorzoekopdracht werkt het beste?
A: Begin met 50/50, stem dan af op basis van je queries. Technische domeinen (juridisch, medisch) profiteren vaak van hoger keyword-gewicht (60-70%) voor precieze terminologie. Conversationele queries geven voorkeur aan vectorzoekopdracht (60-70%).
V: Wanneer helpt hybrid search het meest?
A: Wanneer queries specifieke termen mengen met conceptuele vragen. Bijvoorbeeld “Artikel 15bis BTW-vrijstellingen voor digitale diensten”—heeft exacte artikelmatch EN semantisch begrip van vrijstellingen nodig.
V: Voegt hybrid search latentie toe?
A: Enigszins—je draait twee zoekopdrachten. Maar beide kunnen parallel uitvoeren, dus overhead is minimaal (~10-50ms). De kwaliteitsverbetering rechtvaardigt meestal deze kosten.
V: Wat is Reciprocal Rank Fusion (RRF)?
A: RRF combineert rankings zonder vergelijkbare scores nodig te hebben. Voor elk document berekent het 1/(k + rank) voor beide methoden en sommeert ze. Het is robuust omdat het alleen positie gebruikt, niet scoremagnitude.
Gerelateerde termen
- Semantic Search — alleen-vector retrieval component
- BM25 — klassiek keyword-zoekalgoritme
- Embeddings — vectoren voor semantisch zoeken
- Reranking — volgt vaak op hybrid search
Referenties
Robertson & Zaragoza (2009), “The Probabilistic Relevance Framework: BM25 and Beyond”, Foundations and Trends in Information Retrieval. [3.000+ citaties]
Karpukhin et al. (2020), “Dense Passage Retrieval for Open-Domain Question Answering”, EMNLP. [3.500+ citaties]
Cormack et al. (2009), “Reciprocal Rank Fusion outperforms Condorcet and individual Rank Learning Methods”, SIGIR. [500+ citaties]
Ma et al. (2021), “A Replication Study of Dense Passage Retriever”, arXiv. [200+ citaties]
References
Robertson & Zaragoza (2009), “The Probabilistic Relevance Framework: BM25 and Beyond”, Foundations and Trends in Information Retrieval. [3,000+ citations]
Karpukhin et al. (2020), “Dense Passage Retrieval for Open-Domain Question Answering”, EMNLP. [3,500+ citations]
Cormack et al. (2009), “Reciprocal Rank Fusion outperforms Condorcet and individual Rank Learning Methods”, SIGIR. [500+ citations]
Ma et al. (2021), “A Replication Study of Dense Passage Retriever”, arXiv. [200+ citations]