---
title: "ما هو البحث الهجين؟ BM25 مع المتجهات ودمج RRF | BroadRouter"
description: "يجمع البحث الهجين بين البحث بالكلمات المفتاحية مثل BM25 والبحث المتجهي ثم يدمج الترتيبين، غالبًا بدمج الرتب التبادلي (RRF). كيف يعمل ولماذا يفيد RAG."
url: https://broadrouter.com/ar/glossary/hybrid-search/
lang: ar
updated: 2026-11-16
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

تُرجمت هذه الصفحة من الإنجليزية بمساعدة الذكاء الاصطناعي. [اقرأ الأصل الإنجليزي](https://broadrouter.com/glossary/hybrid-search/) (حُدّث في 2026-11-16).

# البحث الهجين (Hybrid search)

آخر تحديث 2026-11-16

البحث الهجين (hybrid search) طريقة استرجاع تشغّل البحث بالكلمات المفتاحية، مثل BM25، والبحث المتجهي عبر التضمينات على الاستعلام نفسه، ثم تدمج القائمتين المرتبتين في قائمة واحدة، غالبًا بدمج الرتب التبادلي (RRF) أو بمجموع موزون للدرجات بعد تطبيعها.

يُسمّى أيضًا: البحث الهجين، الاسترجاع الهجين، دمج الرتب التبادلي، بحث هجين BM25 ومتجهات، hybrid search، hybrid retrieval، reciprocal rank fusion، RRF

البحث بالكلمات المفتاحية يجد الكلمات نفسها، والبحث المتجهي يجد المعنى. أما البحث الهجين فيشغّل الاثنين ويدمج النتائج.

## كيف يعمل

يذهب الاستعلام إلى أداتَي استرجاع في الوقت نفسه:

-   **الكلمات المفتاحية**: [BM25](https://broadrouter.com/ar/glossary/bm25/) فوق فهرس مقلوب (inverted index). قوي في الأسماء والرموز والمصطلحات النادرة.
-   **المتجهات**: أقرب الجيران فوق [التضمينات](https://broadrouter.com/ar/glossary/embeddings/) في [قاعدة بيانات متجهية](https://broadrouter.com/ar/glossary/vector-database/). قوي في إعادة الصياغة والمترادفات.

الدرجتان على مقياسين مختلفين، لذا تدمج معظم الأنظمة النتائج بحسب الرتبة أو بحسب الدرجة بعد تطبيعها.

**دمج الرتب التبادلي (RRF)**، من عمل Cormack وClarke وBüttcher (SIGIR 2009)، يجمع حدًّا لكل قائمة يظهر فيها المستند. ويوثّق Elasticsearch الحلقة على الشكل `score += 1.0 / (k + rank(result(q), d))`، مع ثابت رتبة `k` قيمته الافتراضية 60. ويقول توثيقه: “RRF requires no tuning.” (ترجمة: لا يتطلب RRF أي ضبط).

مثال محسوب مع k = 60:

| المستند | رتبة BM25 | الرتبة المتجهية | درجة RRF |
| --- | --- | --- | --- |
| A | 1 | 3 | 1/61 + 1/63 = 0.0323 |
| B | 2 | 1 | 1/62 + 1/61 = 0.0325 |
| C | غير موجود | 2 | 1/62 = 0.0161 |

يفوز B لأن أداتَي الاسترجاع كلتيهما ترتّبانه في مرتبة عالية.

**الدمج الموزون** هو الطريقة الشائعة الأخرى. فالإعداد الافتراضي في Weaviate منذ الإصدار v1.24، وهو `relativeScoreFusion`، يطبّع درجات كل بحث ويجمعها في مجموع موزون. ويحدد إعداد `alpha` وزن كل منهما: 0 للكلمات المفتاحية فقط، و1 للمتجهات فقط، و0.75 هي القيمة الافتراضية في الخادم. ويوصي التوثيق بتعيين alpha صراحةً: فالقيمة الافتراضية 0.75 لا تُطبَّق إلا حين يصل الطلب إلى الخادم دون alpha، وليست كل مكتبات العميل تتركها دون تعيين، لذا قد يختلف الوزن الفعلي.

وبعد الدمج، تضيف كثير من خطوط المعالجة [أداة إعادة ترتيب](https://broadrouter.com/ar/glossary/reranking/) على أعلى النتائج.

## لماذا يهم

-   **الاستدعاء (recall).** الاستعلامات الحقيقية تخلط بين مصطلحات دقيقة وصياغة فضفاضة، وأداة استرجاع واحدة تفوّت جزءًا منها.
-   **العربية.** يتفاوت الإملاء العربي (أشكال الألف، والتاء المربوطة، والتشكيل)، وهذا يضر بالمطابقة الحرفية للكلمات المفتاحية ما لم يُطبَّع النص. وإضافة البحث المتجهي تفتح طريقًا ثانيًا إلى المقطع الصحيح. راجع [البحث في RAG بالعربية](https://broadrouter.com/ar/blog/arabic-rag-search/) و[تطبيع النص العربي للبحث](https://broadrouter.com/ar/blog/arabic-text-normalization-search/).
-   **رموز أقل.** استرجاع أفضل يعني مقاطع أقل تُرسَل إلى نموذج LLM في كل سؤال.

## في BroadNet Inference

يعمل البحث الهجين داخل منظومة البحث لديك: Elasticsearch أو OpenSearch أو Weaviate أو ما يشبهها. لا تقدّم BroadNet نقاط نهاية للتضمينات أو لإعادة الترتيب، فأنشئ التضمينات عند مزوّد آخر أو بنموذج محلي. ثم أرسل أعلى المقاطع بعد الدمج إلى نموذج محادثة من BroadNet مثل [Qwen3.8 27B](https://broadrouter.com/ar/models/qwen3.8-27b/) أو [GLM 5.3](https://broadrouter.com/ar/models/glm-5.3/) عبر Chat Completions API. وفي مجموعات المستندات الصغيرة، قارن ذلك بوضع المستندات في سياق طويل؛ راجع [السياق الطويل مقابل RAG](https://broadrouter.com/ar/blog/long-context-vs-rag/).

## أسئلة شائعة

### لماذا لا أكتفي بالبحث المتجهي وحده؟

التضمينات تطابق المعنى، لكنها قد تفوّت النصوص الحرفية مثل رموز المنتجات والأسماء ورسائل الأخطاء. والبحث بالكلمات المفتاحية يلتقط هذه. والجمع بينهما يغطي النوعين من الاستعلامات.

### هل أحتاج إلى ضبط RRF؟

في الغالب لا يحتاج إلى ضبط كثير. يقول توثيق Elasticsearch إن RRF لا يتطلب ضبطًا، وإن مجموعات النتائج التي يدمجها لا تحتاج إلى درجات صلة قابلة للمقارنة. وقيمة ثابت الرتبة الافتراضية 60.

### ماذا يعني alpha في Weaviate؟

يحدد وزن نتائج البحث المتجهي مقابل نتائج الكلمات المفتاحية. يقول توثيق Weaviate إن alpha بقيمة 0 تعني بحثًا بالكلمات المفتاحية فقط، وبقيمة 1 بحثًا متجهيًا فقط، والقيمة الافتراضية في الخادم 0.75.

## انظر أيضًا

-   [BM25 (ترتيب نتائج البحث بالكلمات المفتاحية)](https://broadrouter.com/ar/glossary/bm25/) (مصطلح)
-   [التضمينات (Embeddings)](https://broadrouter.com/ar/glossary/embeddings/) (مصطلح)
-   [قاعدة بيانات المتجهات (Vector database)](https://broadrouter.com/ar/glossary/vector-database/) (مصطلح)
-   [إعادة الترتيب (Reranking)](https://broadrouter.com/ar/glossary/reranking/) (مصطلح)
-   [RAG (التوليد المعزّز بالاسترجاع)](https://broadrouter.com/ar/glossary/rag/) (مصطلح)
-   [التقطيع إلى أجزاء (Chunking في RAG)](https://broadrouter.com/ar/glossary/chunking/) (مصطلح)
-   [استخدام LlamaIndex مع BroadNet Inference عبر OpenAILike](https://broadrouter.com/ar/guides/llamaindex-openailike/) (دليل)
-   [RAG للعربية: التطبيع والتقطيع والاسترجاع الذي ينجح فعلًا](https://broadrouter.com/ar/blog/arabic-rag-search/) (مقال)
-   [السياق الطويل أم RAG: متى تُغني مليون رمز عن قاعدة المتجهات؟](https://broadrouter.com/ar/blog/long-context-vs-rag/) (مقال)
-   [توحيد النص العربي للبحث وRAG: ما الذي تغيّره وما الذي تتركه](https://broadrouter.com/ar/blog/arabic-text-normalization-search/) (مقال)

جرّبه على مهامك الفعلية. تبدأ الحسابات الجديدة برصيد قدره $5 لاستخدام Gemma والتفريغ الصوتي. أما DeepSeek وGLM وQwen3.8 فتتطلب شحن الرصيد.

[ابدأ الآن](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ar-glossary-hybrid-search&utm_content=page-cta) ·

**المصادر**

-   [Cormack وClarke وBüttcher، Reciprocal rank fusion outperforms Condorcet and individual rank learning methods، SIGIR 2009 (تاريخ التحقق 2026-11-15)](http://cormack.uwaterloo.ca/cormacksigir09-rrf.pdf)
-   [توثيق Elasticsearch، دمج الرتب التبادلي (reciprocal rank fusion) (تاريخ التحقق 2026-11-16)](https://www.elastic.co/docs/reference/elasticsearch/rest-apis/reciprocal-rank-fusion)
-   [توثيق Weaviate، مفاهيم البحث الهجين (alpha وطرق الدمج) (تاريخ التحقق 2026-11-16)](https://docs.weaviate.io/weaviate/concepts/search/hybrid-search)
