Hybrid Search

Hybrid Search — это гибридный поиск, метод ранжирования документов, при котором результаты объединяются из двух независимых систем: лексического (ключевого) поиска и векторного (семантического) поиска. Лексический компонент сопоставляет точные слова запроса с инвертированным индексом, векторный — сравнивает эмбеддинги запроса и документа по косинусной близости. Итоговый список формируется через слияние оценок (например, Reciprocal Rank Fusion) или взвешенную сумму нормализованных скоров, что даёт одновременно точность по редким терминам и устойчивость к перефразировкам.

Как работает гибридный поиск

• Запрос пользователя разбирается двумя парсерами: лексическим (BM25, TF-IDF) и семантическим (модель эмбеддингов, например E5 или bge-m3).
• Лексический индекс возвращает top-N по совпадению токенов — он хорошо ловит артикулы, аббревиатуры, названия брендов и опечатки через fuzzy-матчинг.
• Векторный индекс (HNSW, IVF-PQ) возвращает top-N по смысловой близости — он находит синонимы и перефразировки, которые BM25 пропускает.
• Оба списка объединяются: RRF присваивает каждому документу 1/(k+rank), затем результаты сортируются по суммарному баллу.
• Финальный этап — реранкер (cross-encoder) пересчитывает топ-50–100 кандидатов и отдаёт пользователю 10–20 наиболее релевантных.

Где применяется на практике

• E-commerce: поиск по каталогу из 500 000 SKU, где нужно найти и точный артикул «RTX-4070», и запрос «видеокарта для игр до 80 тысяч».
• Корпоративные базы знаний: RAG-системы над Confluence и Notion, где гибрид снижает долю галлюцинаций LLM на 20–40%.
• Юридический и медицинский поиск: точные формулировки статей сочетаются с семантическим расширением по синонимам.
• Внутренний поиск по сайту: помогает удержать пользователя, который не знает точной терминологии каталога.

Что даёт бизнесу

• Рост конверсии поисковой выдачи: по данным Elastic и Vespa, гибрид поднимает nDCG@10 на 10–25% относительно чистого BM25.
• Снижение нулевых выдач: семантический компонент возвращает результаты даже при полном отсутствии точных совпадений.
• Готовность к AI-сценариям: гибрид — база для AI Search и Generative Search, где LLM переформулирует запрос.
• Прозрачная настройка весов: можно усилить лексику для каталога артикулов или семантику для контентных разделов.

Внедрение Hybrid Search обычно начинается с SEO-аудита сайта и семантики — нужно понять, какие запросы теряются на текущем движке. Дальше подключается оптимизация индексов и реранкера. Смежные темы: Semantic Search, Vector Search, Multimodal Search, Deep Search.