出光興産 — 多言語RAGで日本語質問→英語文書→日本語回答を実現

概要

出光興産は、グローバルに蓄積された英語の技術文書を日本語で検索・活用するための多言語RAGシステムを構築しました。

多言語RAGの仕組み

[日本語質問]
    │
    ├─→ [多言語Embedding] ─→ [英語文書ベクトルDB検索]
    │                              │
    │                        [関連英語チャンク]
    │                              │
    └──────────────────────→ [LLM: 日本語で回答生成]

多言語Embeddingの選択

# 多言語対応のEmbeddingモデル比較
models = {
    "intfloat/multilingual-e5-large": {
        "dims": 1024, "langs": "100+", "mteb": 63.0,
        "note": "オープンソース、日本語良好",
    },
    "cohere/embed-v4": {
        "dims": "variable", "langs": "100+", "mteb": 65.2,
        "note": "商用最高精度、多言語トップ",
    },
    "cl-nagoya/ruri-v3-310m": {
        "dims": 1024, "langs": "日本語特化", "mteb": "N/A",
        "note": "日本語最高精度、名大開発",
    },
}

# 出光興産のケース: 多言語対応が必須
# → intfloat/multilingual-e5-large を採用
from sentence_transformers import SentenceTransformer

model = SentenceTransformer("intfloat/multilingual-e5-large")

# 日本語と英語を同じベクトル空間に埋め込み
ja_query = model.encode("原油精製プロセスの最適温度は？")
en_doc = model.encode("The optimal temperature for crude oil refining is 370°C.")

# コサイン類似度で言語横断検索が可能
from numpy import dot
from numpy.linalg import norm
similarity = dot(ja_query, en_doc) / (norm(ja_query) * norm(en_doc))
print(f"言語横断類似度: {similarity:.3f}")  # → 0.82+

日本語固有の課題

成果

• 日本語→英語の言語横断検索を実現
• 90%以上の応答精度
• グローバル技術文書の活用率が大幅向上