Hybrid RAG Search

Hybrid RAG Search는 여러 검색 채널을 동시에 사용해 더 안정적인 후보를 찾는 방식이다. 각 채널의 점수 척도는 서로 다를 수 있으므로, 흔히 순위 기반 Reciprocal Rank Fusion으로 후보를 합친다.

4채널

채널	역할
Vector	BGE-M3 같은 임베딩으로 의미 유사 검색
BM25	블록 ID, 옵션명, 키워드 정확 매칭
Graph	의존, 선행 조건, 공동 사용 같은 관계 확장
Document filter	카테고리, 메타데이터 기반 구조화 필터

왜 단일 검색이 부족한가

Vector만 쓰면 BLOCK_042 같은 정확 ID 검색이 약할 수 있다.
BM25만 쓰면 "분류 모델 전에 범주형 변환" 같은 의미를 놓칠 수 있다.
Graph가 없으면 필수 선행 블록을 못 끌고 올 수 있다.
Document filter가 없으면 시각화/모델링 같은 큰 범주가 흔들릴 수 있다.

fallback

검색 결과가 부족하면 단계적으로 완화한다.

hybrid 검색
pure vector 검색
threshold 완화
core block set fallback

이 구조는 Fallback의 검색 버전이다.

그래프 채널은 seed 확장으로 쓴다

그래프를 모든 질문의 시작점으로 쓰기보다, vector나 BM25 상위 결과를 seed로 잡고 의미가 정해진 관계만 1~2 hop 확장하는 방식이 보수적이다.

Mermaid스크롤로 확대 · 드래그로 이동

최대 hop, 관계 type, 반환 노드 수를 제한하지 않으면 그래프 확장이 관련 없는 후보를 늘려 precision을 떨어뜨린다. 자세한 모델링 기준은 Graph Data Modeling 참고.

채널을 따로 평가한다

최종 답변이 좋아 보인다고 모든 채널이 기여한 것은 아니다. vector only, vector+BM25, graph 포함, reranker 포함을 각각 비교해 Recall@k, latency, 비용을 측정한다. 이 기준은 Retrieval Evaluation 참고.

한 줄 정리

Hybrid RAG Search는 의미 검색, 키워드 검색, 그래프 관계, 구조화 필터를 합쳐 RAG 후보의 안정성을 높이는 검색 전략이다.