Une API. Tous les types de données. Une pertinence exceptionnelle.
Elasticsearch vous permet de conjuguer la précision par mots-clés et le rappel sémantique. Vos résultats sont donc toujours pertinents, indépendamment du type de données.
Recherche hybride avec Elasticsearch : des mots-clés au contexte
Recherchez chaque type de données dans un seul datastore, et soutenez la génération augmentée de récupération (RAG) et les agents avec des résultats équilibrant la précision BM25F et la compréhension sémantique. Démarrez rapidement grâce à d’excellents réglages par défaut et à une API facile à utiliser, puis personnalisez selon vos besoins.
Orientez la recherche avec un contrôle total sur les signaux structurés et sémantiques
Associez la précision de la recherche lexicale configurable à souhait à la puissance de modèles de langage (natifs ou personnalisés) afin d’obtenir une pertinence hors pair.
Elastic is especially powerful when structured filtering and unstructured context must work together.
Pourquoi les développeurs choisissent Elasticsearch
Procurez-vous les meilleurs outils pour la précision, l’explicabilité et la maîtrise. La recherche lexicale est performante pour les requêtes structurées, les termes inhabituels et les données externes. La recherche sémantique ajoute une dimension floue et de la récupération lorsque les correspondances exactes ne sont pas optimales. Contrôlez leur synergie en paramétrant la notation, les filtres et les boosts.
Recherche lexicale
Recherche vectorielle
Recherche hybride
Utilisez la notation BM25F avec un contrôle total sur la pondération des champs et l’amplification des termes — aucun modèle n’est requis.
Récupérez des résultats sémantiquement liés via les champs dense_vector ou semantic_text.
Combinez les résultats via reciprocal_rank_fusion ou <options> dans l'API rank.
Optimisez la pertinence en utilisant les combined_fields, le boost, le flou (fuzziness), les synonymes et les analyseurs.
Apportez vos propres embeddings ou utilisez l’inférence intégrée avec ELSER, OpenAI, etc.
Utilisez une requête hybride unique avec filtres partagés, poids et logique de reclassement.
Bénéficiez d'une prise en charge native des filtres geo, term, range et ACL — rapide et stable à grande échelle.
ACORN-1 permet un kNN filtré rapide même sur de grands ensembles de données avec prise en charge de la clause de filtre .
Utilisez explain, profile et le champ _rank_features pour comprendre comment les documents obtiennent leur score.
Recherche lexicale
Recherche vectorielle
Recherche hybride
Utilisez la notation BM25F avec un contrôle total sur la pondération des champs et l’amplification des termes — aucun modèle n’est requis.
Récupérez des résultats sémantiquement liés via les champs dense_vector ou semantic_text.
Combinez les résultats via reciprocal_rank_fusion ou <options> dans l'API rank.
Optimisez la pertinence en utilisant les combined_fields, le boost, le flou (fuzziness), les synonymes et les analyseurs.
Apportez vos propres embeddings ou utilisez l’inférence intégrée avec ELSER, OpenAI, etc.
Utilisez une requête hybride unique avec filtres partagés, poids et logique de reclassement.
Bénéficiez d'une prise en charge native des filtres geo, term, range et ACL — rapide et stable à grande échelle.
ACORN-1 permet un kNN filtré rapide même sur de grands ensembles de données avec prise en charge de la clause de filtre .
Utilisez explain, profile et le champ _rank_features pour comprendre comment les documents obtiennent leur score.
Ajustez votre parcours de pertinence
Avec Elasticsearch, vous maîtrisez la pertinence à tous les niveaux, de l’absence de configuration à la personnalisation totale. Explorez l’intégralité du parcours de réglage sur Elasticsearch Labs.
Le meilleur de sa catégorie ? Intégré
Grâce aux intégrations natives à tous les principaux produits d'IA, vos applications vont plus loin, plus vite.
Questions fréquentes
La recherche hybride allie la précision des mots-clés (lexicale) à la similarité des vecteurs (sémantique). L’utilisateur obtient des résultats pertinents même si la requête ne correspond pas à une expression exacte du texte.
La recherche lexicale est faite pour les correspondances exactes et le filtrage. La recherche vectorielle comprend l'intention et la sémantique. La recherche hybride vous permet d'utiliser ces deux approches dans la même requête, classant les résultats en fonction de leur pertinence et non plus seulement de la correspondance.
Les requêtes de récupération associent plusieurs stratégies de recherche, y compris match, kNN ou text_expansion, dans une seule liste de résultats triés grâce à la fonction intégrée de fusion de rangs.
Oui, Elasticsearch prend en charge nativement les filtres, les facettes et les contraintes géospatiales en complément de la recherche vectorielle kNN approximative. Vous n’avez donc pas besoin de refaire le classement ou d’utiliser des solutions de contournement.
Elastic utilise des techniques de notation comme la fusion réciproque des rangs (RRF) ou la pondération convexe pour combiner équitablement les scores lexicaux et vectoriels, afin que les résultats soient équilibrés dès le départ.
Oui. La recherche hybride est entièrement prise en charge avec des champs vectoriels, des requêtes de récupération, des modèles sémantiques, des filtres et l'observabilité, le tout nativement dans Elasticsearch.