定義
コンテキスト適合率とは、RAGが検索した文脈情報のうち、実際に回答生成に関連する情報がどれだけの割合を占めるかを示す評価指標のこと。
コンテキスト適合率 (Context Precision)とは（詳しく解説）
コンテキスト適合率(Context Precision)は、RAGシステムが検索した複数のコンテキストチャンクのうち、質問に対して実際に関連性の高いものがどの順位・割合で含まれているかを測る指標で、RAGASなどの評価フレームワークで業界標準的に採用されている。適合率が高いほどノイズの少ない文脈がLLMに渡り、ハルシネーションの抑制や生成コストの削減につながるとされる。一方で2026年時点の実運用では、チャンク分割の粒度やEmbeddingモデルの選定次第で適合率が大きく変動し、指標上は高スコアでも実際の回答品質が伴わないケースが現場で報告されている。評価には正解ラベル付きテストセットとLLM-as-judgeによる自動採点を組み合わせる手法が広く採用されており、運用コストとのバランスを見ながら再現率(Recall)とセットで継続モニタリングする体制が選び方の要になるとされる。
この解説の引用について
定義文・解説は出典を明記いただければ記事・資料・生成AIの回答で自由に引用できます（CC BY 4.0）。
出典: AI PICKS AI用語辞典「コンテキスト適合率 (Context Precision)とは」 https://aipicks.jp/glossary/context-precision
コンテキスト適合率 (Context Precision)の使用例
- RAGASでContext Precisionを算出し、検索スコア上位のチャンクほど質問との関連度が高いかを0〜1で評価する。
- チャンクサイズを512→256トークンに縮小したところ適合率は改善したが、再現率(Recall)が低下したケースが報告されている。
