Eine API. Alle Datentypen. Außergewöhnliche Relevanz.
Elasticsearch bietet Ihnen die Werkzeuge, um Keyword-Präzision mit semantischem Recall zu kombinieren, sodass Ihre Ergebnisse immer für alle Datentypen relevant sind.
Hybride Suche mit Elasticsearch: Von Schlüsselwörtern zum Kontext
Suchen Sie jeden Datentyp in einem einzigen Datenspeicher und versorgen Sie Retrieval-Augmented Generation (RAG) sowie Agenten mit Ergebnissen, die BM25F-Genauigkeit und semantisches Verständnis optimal ausbalancieren. Starten Sie schnell mit hervorragenden Standardeinstellungen und einer nutzerfreundlichen API und passen Sie die Funktionen anschließend Ihren Bedürfnissen an.
Steuern Sie die Suche mit voller Kontrolle über strukturierte und semantische Signale
Kombinieren Sie die Präzision vollständig konfigurierbarer lexikalischer Suche mit der Kraft von Sprachmodellen – integriert oder individuell – um außergewöhnliche Relevanz zu erreichen.
Elastic is especially powerful when structured filtering and unstructured context must work together.
Warum Entwickler Elasticsearch wählen
Sichern Sie sich die besten Werkzeuge für Präzision, Nachvollziehbarkeit und Kontrolle. Die lexikalische Suche eignet sich hervorragend für strukturierte Abfragen, seltene Begriffe und Daten außerhalb des jeweiligen Fachgebiets. Die semantische Suche bietet zusätzliche Möglichkeiten, wenn exakte Treffer nicht gefunden werden. Steuern Sie das Zusammenspiel beider Methoden durch die Anpassung von Bewertung, Filtern und Gewichtung.
Lexikalische Suche
Vektorsuche
Hybride Suche
Verwenden Sie die BM25F-Bewertung mit voller Kontrolle über Feldgewichte und Term-Boosts – kein Modell erforderlich.
Rufen Sie semantisch verwandte Ergebnisse über die Felder dense_vector oder semantic_text ab.
Kombinieren Sie die Ergebnisse über reciprocal_rank_fusion oder <options> in der Rank-API.
Stimmen Sie die Relevanz mit combined_fields, boost, fuzziness, synonyms und Analyzern ab.
Bringen Sie Ihre eigenen Einbettungen mit oder nutzen Sie die integrierte Inferenz mit ELSER, OpenAI usw.
Verwenden Sie eine einzelne hybride Abfrage mit gemeinsamen Filtern, Gewichtungen und Rerank-Logik.
Erhalten Sie native Unterstützung für Geo-, Term-, Range- und ACL-Filter – schnell und stabil bei Skalierung.
ACORN-1 ermöglicht schnelles, gefiltertes kNN selbst auf großen Datensätzen mit Unterstützung für Filterklauseln.
Verwenden Sie explain, profile und das Feld _rank_features, um zu verstehen, wie Dokumente bewertet werden.
Lexikalische Suche
Vektorsuche
Hybride Suche
Verwenden Sie die BM25F-Bewertung mit voller Kontrolle über Feldgewichte und Term-Boosts – kein Modell erforderlich.
Rufen Sie semantisch verwandte Ergebnisse über die Felder dense_vector oder semantic_text ab.
Kombinieren Sie die Ergebnisse über reciprocal_rank_fusion oder <options> in der Rank-API.
Stimmen Sie die Relevanz mit combined_fields, boost, fuzziness, synonyms und Analyzern ab.
Bringen Sie Ihre eigenen Einbettungen mit oder nutzen Sie die integrierte Inferenz mit ELSER, OpenAI usw.
Verwenden Sie eine einzelne hybride Abfrage mit gemeinsamen Filtern, Gewichtungen und Rerank-Logik.
Erhalten Sie native Unterstützung für Geo-, Term-, Range- und ACL-Filter – schnell und stabil bei Skalierung.
ACORN-1 ermöglicht schnelles, gefiltertes kNN selbst auf großen Datensätzen mit Unterstützung für Filterklauseln.
Verwenden Sie explain, profile und das Feld _rank_features, um zu verstehen, wie Dokumente bewertet werden.
Optimieren Sie Ihren Relevanzprozess
Elasticsearch bietet Ihnen auf jeder Ebene Relevanzkontrolle – von der Null-Konfiguration bis zur vollständigen Anpassung. Erkunden Sie die gesamte Optimierungsreise auf Elasticsearch Labs.
Branchenführend? Direkt eingebaut
Mit nativen Integrationen zu allen führenden KI-Produkten werden Ihre Apps schneller und fortschrittlicher.
Häufig gestellte Fragen
Die hybride Suche kombiniert die Präzision von Schlüsselwörtern (lexikalisch) mit der Ähnlichkeit von Vektoren (semantisch), sodass Nutzer:innen auch dann relevante Ergebnisse erhalten, wenn ihre Suchanfragen nicht genau mit dem Text übereinstimmen.
Die lexikalische Suche eignet sich ideal für exakte Übereinstimmungen und Filter. Die Vektorsuche berücksichtigt Suchabsicht und Bedeutung. Mit der hybriden Suche können Sie beide Suchtypen in derselben Abfrage kombinieren – die Rangfolge richtet sich nach Relevanz, nicht nur nach Übereinstimmung.
Retriever-Abfragen kombinieren mehrere Suchstrategien – wie match, kNN oder text_expansion – zu einer einzigen Rangliste der Ergebnisse mithilfe der integrierten Rangfusion.
Ja. Elasticsearch unterstützt native Filter, Facetten und geografische Einschränkungen zusätzlich zur approximativen kNN-Vektorsuche – kein Rescoring oder Workarounds erforderlich.
Elastic verwendet Scoring-Techniken wie Reciprocal Rank Fusion (RRF) oder Convex Weighting, um lexikalische und Vektor-Scores fair zu kombinieren, sodass die Ergebnisse von Anfang an ausgewogen wirken.
Ja. Die hybride Suche wird vollständig mit Vektorfeldern, Retriever-Abfragen, semantischen Modellen, Filtern und Beobachtbarkeit unterstützt – alles nativ in Elasticsearch.