---
title: Hybrid Search Implementation
category: product
entity_type: skill
price: ₺369
canonical: https://forgehouse.ai/tr/skiller/hybrid-search-implementation/
lang: tr
hreflang_alt: https://forgehouse.ai/skills/hybrid-search-implementation/
last_updated: 2026-06-20
---

# Hybrid Search Implementation

> Combine vector and keyword search for improved retrieval.

Vektör benzerliği ile anahtar kelime (BM25) aramasını tek bir alma hattında birleştirir; böylece hem anlamsal eşleşmeleri hem de saf vektör aramanın kaçırdığı isim, kod ve alana özgü terimler gibi tam eşleşmeleri yakalarsınız. İki sinyali RRF veya ağırlıklı puanlamayla birleştirir, isteğe bağlı olarak cross-encoder ile yeniden sıralar ve her skoru loglar; böylece recall düşüşleri ayıklanabilir olur.

## Ne için kullanılır
- Tek başına vektör aramadan daha yüksek recall gerektiren bir RAG sistemi kurma
- Tam terim içeren sorguları yönetme: ürün kodları, isimler, SKU'lar
- Alana özgü kelime dağarcığı ve eş anlamlılarda aramayı iyileştirme
- Birleştirilmiş aday seti üzerine cross-encoder yeniden sıralama ekleme
- Sorgu türüne göre vektör ile anahtar kelime dengesini ayarlama
- Her sonucu hangi tarafın getirdiğini izleyerek recall düşüşünü teşhis etme

## Faydalar
- Anlamsal aramanın ve anahtar kelime aramanın ayrı ayrı kaçırdığını yakalayarak recall'u belirgin biçimde yükseltme
- Saf vektör aramanın elediği tam eşleşme sorguları için ilgili sonuçlar döndürme
- Yalnızca gereken adaylara cascade yeniden sıralama uygulayarak gecikmeyi kaliteyle bilinçli takas etme
- Her sonuç vektör, anahtar kelime ve birleşik skorunu taşıdığı için recall düşüşlerini hızlı ayıklama

## Ne içerir
- Reciprocal Rank Fusion ve normalize edilmiş doğrusal birleştirme uygulamaları
- pgvector HNSW artı full-text GIN ve sorgu içi RRF ile PostgreSQL hibrit araması
- script_score ve yerel 8.x RRF sıralamasıyla Elasticsearch hibrit araması
- Paralel arama, birleştirme ve isteğe bağlı yeniden sıralama içeren eksiksiz hibrit RAG hattı sınıfı
- Cross-encoder yeniden sıralama adımı ve P99 gecikmesini düşüren cascade deseni
- Ağırlık ayarı, aşırı çekme ve uç durumlar üzerine en iyi uygulama ve anti-pattern rehberliği

## Kimler için
Ne vektör ne anahtar kelime aramasının tek başına yeterli recall vermediği RAG sistemleri veya arama motorları kuran makine öğrenmesi ve backend mühendisleri.

## Nasıl çalışır
Skill'in kurduğu ve her sorguda çalıştırdığı gerçek arama hattı, kara kutu yok, yaptığı iş tam olarak bu:
1. Her belgeyi aynı depoda iki kez indeksler: anlamsal niyet için HNSW indeksli yoğun vektör embedding'i ve ürün kodu, isim gibi birebir eşleşmeler için tam metin kelime indeksi
2. Sorgu anında iki bacaktan da istenen sonuç sayısının kabaca 3 katını paralel çeker, çünkü birleşimin tek bacağın kaçırdığı belgeleri yüzeye çıkarması için pay gerekir
3. İki sıralı listeyi Reciprocal Rank Fusion veya min-max normalize edilmiş ağırlıklı toplamla birleştirir; ham skorlar asla doğrudan kıyaslanmaz, çünkü BM25 ile kosinüs benzerliği farklı ölçeklerde yaşar
4. İsteğe bağlı olarak yalnızca ilk 20-50 adaya cross-encoder yeniden sıralayıcı uygular; pahalı model ancak bu dar kümede karşılanabilir ve nihai sıralama kalitesini yükseltir
5. Her sonuca üç skor (vektör, kelime, birleşik) artı kaynak etiketi iliştirir; ileride recall düşerse hangi bacağın bozulduğu kör debug yerine doğrudan izlenir
6. Ağırlıkları sorgu tipine göre deneysel ayarlar: kelime ağırlıklı sorgular birebir eşleşmeye, doğal dil sorguları anlamsala kayar; karar varsayılanla değil A/B testiyle doğrulanır

## Sık sorulanlar
### Elasticsearch kullanmıyoruz, PostgreSQL üzerindeyiz. Kapsıyor mu?
Evet. pgvector HNSW indeksi ile tam metin GIN indeksini tek sorguda RRF ile birleştiren hazır PostgreSQL kurulumu var. Elasticsearch 8.x tarafı script_score ve yerleşik RRF ile ayrıca kapsanıyor; hangi depoyu kullanıyorsanız onu seçersiniz.

### Daha büyük bir embedding modeli kullansam keyword ayağına gerek kalmaz mı?
Kalır. Ürün kodu, isim ve SKU gibi birebir eşleşmesi gereken terimler model büyüse de saf vektör aramasından kaçar. BM25 ayağı tam bu boşluğu kapatır; iki sinyal RRF veya ağırlıklı skorla birleşir ve her sonucun hangi ayaktan geldiği loglanır.

### Vektör ve keyword ağırlıklarını verime göre kendisi mi ayarlıyor?
Hayır. Sorgu tipine göre denge önerileri ve ayar rehberi sunar ama doğru ağırlık sizin alanınızdaki gerçek sorgularla test edilerek bulunur. Skor logları bu testi kolaylaştırır, kararı yine siz verirsiniz.

## Fiyat
₺369, tek seferlik, abonelik yok. KDV dahil.

İlgili rehber: [Yapay zekâ ve LLM mühendisliği](https://forgehouse.ai/tr/rehberler/yapay-zeka-llm-muhendisligi/)