1.5hop+の思想:意味で探索する概念近傍

浅海 智晴 Created: 2026-03-23

BoKでは開発プロジェクトの知識を知識グラフおよび知識ベクトルとして集積します。RAG経由で生成AIに知識を受け渡す処理では知識グラフへの検索が必要になりますが、この時の検索方式として1.5hop+について検討します。

1.5hop+ は、固定された hop 数ではなく、概念理解にとって不可欠な意味構造を基準に概念近傍を構成するための思想です。

この考え方は、RDF や OWL の表現力を前提としながらも、単なるグラフ探索に留まらず、モデルに基づいた意味理解を実現することを目的としています。

SimpleModeling では UML メタモデル由来のオブジェクト・モデルを採用しているため、モデルの構造に一定の枠組みが存在します。これを利用することにより、1.5hop+ が実務的に成立するのではないかと考えています。

固定hop探索の限界

RDF / OWL による知識表現では、概念の意味は単一ノードに閉じて存在するものではなく、複数のノードと関係の集合として構成されます。

例えば、あるクラスを理解するためには、そのクラスが持つプロパティ、各プロパティのデータ型、さらにそれらに課された値域や制約まで含めて把握する必要があります。

これらの構造は RDF グラフ上では自然に 2hop 以上の深さを持ち、探索距離を固定すると、意味理解に必要な情報が欠落します。

1.5hop+の基本的な考え方

1.5hop+ は、「どこまで辿るか」を距離で決めるのではなく、「その要素が概念理解に不可欠かどうか」を基準に探索範囲を決定します。

基本原則は次の通りです。

  • 直接関係する要素（1hop）は必ず含める

  • 型定義・値域・制約など、意味的に不可分な構造は hop 数に関係なく含める

  • 無制限な探索は行わず、実装上は安全な上限を設ける

この「+」は、探索深度が可変であること、そして距離よりも意味を優先する姿勢を表しています。

1.5hop+ が対象とする概念構造

1.5hop+ が典型的に展開する概念構造は次のようになります。

Concept Property DataType Constraint Generalization SuperConcept RelatedConcept

プロパティ以下の型や制約は、周辺情報ではなく概念そのものを定義する構成要素として扱われます。

CMLであることの意義

1.5hop+ が実務で成立する最大の理由は、モデル定義に CML (Cozy Modeling Language) を用いている点にあります。

CML は UML メタモデル由来の言語であり、クラス、プロパティ、型、汎化、関係といった要素が明確な意味役割を持って定義されています。

このため、「どのノードが概念理解に必須か」「どの関係が型理解に不可欠か」を機械的なルールとして判断できます。

生成AIとの親和性

生成AIにとって重要なのは、ノード間の距離ではなく、それぞれの要素が果たす意味的役割です。

1.5hop+ によって構成された概念近傍は、AI が「なぜその制約が存在するのか」「その型が何を表しているのか」を推論するための十分な意味構造を提供します。

SimpleModeling / SIE における位置づけ

SimpleModeling および Semantic Integration Engine (SIE)（SIE）では、1.5hop+ を概念理解のための基本探索単位として採用しています。

explainConcept や graph 検索 API は、呼び出し側に hop 数を指定させるのではなく、内部で 1.5hop+ に基づく概念近傍を軸に探索を行います。

まとめ

知識グラフの探索は、汎用性を追求すると速度が犠牲になります。

扱う知識の性質を特定できれば、その特性を活かした探索によって、検索の精度と速度の両立が可能になると考えられます。

1.5hop+はこの問題意識に基づき、SimpleModelingによるBoKの操作を円滑に行うための手法として開発されています。

参照

用語集

BoK (Body of Knowledge)

SimpleModelingでは文脈共有の核となる知識体系をBoK (Body of Knowledge)と呼んでいます。 BoKの構築は、知識の共有、教育、AIによる支援、自動化、意思決定支援を可能にするための基盤です。

検索強化生成 (RAG, Retrieval-Augmented Generation)

生成AIが内部（パラメトリック）知識だけでなく、外部の知識ソースを検索してから応答を生成する技術。 RAGはまずデータベースや知識グラフなどから関連情報を検索し、それを文脈として取り込み、より正確で最新の応答を生成する。

知識グラフ (knowledge graph)

現実の概念・事物・出来事をノードとし、その関係をエッジとして表す意味的グラフ構造の知識ベース。

RDF

W3C により標準化された、情報を「主語–述語–目的語」の三つ組（トリプル）で表現するための知識記述モデル。

UML (Unified Modeling Language)

オブジェクト指向分析・設計のための統一モデリング言語。クラス図、シーケンス図、ユースケース図などを通じてシステム構造と動作を表現する。UPおよびCBDの基盤言語。

CML (Cozy Modeling Language)

CMLは、Cozyモデルを記述するための文芸モデル記述言語です。 SimpleModelingにおける分析モデルの中核を担うDSL（ドメイン固有言語）として設計されています。 モデル要素とその関係性を自然言語に近い文体で記述できるよう工夫されており、AIによる支援や自動生成との高い親和性を備えています。 CMLで記述された文芸モデルは、設計モデル、プログラムコード、技術文書などに変換可能な中間表現として機能します。

Semantic Integration Engine (SIE)

BoK（Body of Knowledge）から生成された構造化知識（RDF）および文書知識（SmartDox）を統合し、AIが直接利用できる形に変換・検索するための統合エンジン。