学芸員が作家の別号や和暦の年代のまま収蔵品データベースを OpenSearch で引き、貸出の依頼や展示の企画に合う資料の候補を並べる

処理の起点を決める

取り込みは毎晩の定時、検索は学芸員が依頼文を貼ったときに動きます。 2つを分けるのは、収蔵品の記録の更新は日中にまとめて行われ、照会への返事は依頼が届いたときに必要になるからです。

取り込みは、収蔵品管理システムが夜間にCSVを書き出し、S3 に置かれたことをきっかけに Lambda を動かします。書き出しは差分ではなく全件にします。 記録の削除や資料番号の付け替えを差分で追うと、索引に古い記録が残ります。3万2千件の全件でも夜間に収まる量です。

検索は、学芸員が館内の検索の画面に依頼状やメールの本文を貼り、「候補を探す」を押したときに動きます。依頼状がPDFや紙で届いたときは、学芸員が本文を書き写すか、PDFの文字を貼ります。 画像のままの依頼状を読むところまではこの構成に入れません。

入力データを集める

質を決めるのは、3行目と4行目です。 典拠の一覧に別号が入っていなければ、その別号で入っている資料は作家番号に寄りません。「江戸後期」を何年から何年とするかは、館の取り決めとして元号の表に書きます。 決まった定義が無い言葉なので、AIや担当者ごとに幅が変わると、同じ依頼で結果が変わります。

保管場所・評価額・寄贈者の連絡先は入力に入れません。 検索に要らないうえ、収蔵品の所在と価値がまとまった情報は館の外に出してはいけないものです。取り込みのときに列ごと落とします。

データの取得方法を決める

言い換え辞書は、OpenSearch Service のパッケージとして登録します。 テキストの辞書を S3 に置いて取り込み、ドメインに関連付けると、analyzers/<パッケージID> の形で synonyms_path に指定できます。検索用の分析器だけに使い、updateable を true にしておくと、辞書を更新したときに索引を作り直さずに反映されます。

解説文のベクトルは、OpenSearch の取り込みパイプラインの text_embedding で作ります。OpenSearch Service から Bedrock のモデルを呼ぶコネクタを作り、そのモデルの番号をパイプラインと検索に指定します。Titan Text Embeddings V2 は英語に最適化されたモデルで、日本語は多言語対応の一覧に含まれます。 館の解説文で、意味の近さの検索が役に立つかを先に試します（第8章）。

AIへ渡す前に整形する

1. 作家を典拠の番号に寄せる … 作家名の欄を典拠の一覧と照らし、作家番号を付けます。「伝」「筆」「画」「款」の付いた書き方は、付いた語を別の欄（帰属の区分）に分けて残します
2. 年代を西暦の幅に直す … 「文化年間」は元号の表で1804から1818、「19世紀前半」は1801から1850のように、integer_range の欄に gte と lte で持たせます
3. 直せなかった年代に印を付ける … 「江戸時代か」「近世」のように表で直せないものは、幅を付けずに「年代未正規化」の印を付けます
4. 旧字を新字に寄せる … 「澤→沢」「邊→辺」「髙→高」の表を文字の置き換え（mapping）に入れます。分かち書きの前に置き換えるので、索引と検索の両方で同じ字になります
5. 落とす列を落とす … 保管場所、評価額、寄贈者の連絡先
6. 解説文の長さを確かめる … 数行の解説文が大半ですが、長い調査の記録が入っているものは段落で分けます

1番目で「伝」を消さないでください。 「伝 谷文晁」は「谷文晁の作と伝わる」で、谷文晁の作と確かめられたものではありません。作家番号は同じでも、帰属の区分が違うことを候補の一覧に出します。

2番目は、AIではなく表で行います。 元号から西暦への直しは決まった対応なので、表で引くほうが確実です。表で直せないものを、それらしい幅でAIに埋めさせないでください。 「近世」を1603年から1867年とするかどうかは、館が決めることです。

AIに処理させる

させるのは2つです。依頼文から探す条件を取り出すことと、見つかった記録を読んで条件ごとの根拠を写すことです。

作家名と年代を「書かれた言葉のまま」取り出させるのが要です。 直すのは Lambda が典拠の一覧と元号の表で行います。AIが直すと、表に無い別号でも、それらしい作家に寄せてしまいます。

根拠の写しでは、記録の欄の名前と、その欄の文字列を写させます。 「鶴」が解説文にあったのか、名称にあったのかで、候補としての確からしさが違います。写した文字列は Lambda で記録の原文と照らし、見つからなければその候補を外します。

指示内容を固定する

条件の取り出しの指示：

あなたは博物館の学芸課で、他館や研究者から届いた依頼文を読み、
収蔵品を探すための条件を取り出す担当です。

【取り出す項目】
- artists：依頼文に書かれた作家名を、書かれた表記のまま並べる
- period_phrases：年代を表す言葉を、書かれた表記のまま並べる
  （「文化・文政のころ」「19世紀前半」「江戸後期」など）
- techniques：技法・材質を表す言葉
- motifs：主題・描かれているもの
- object_types：掛軸・屏風・巻子・陶磁など、資料の形
- count：希望する点数。書かれていなければ null
- exclusions：除く条件（「重要文化財は除く」「寄託品は除く」など）
- deadline：返事の期限。書かれていなければ null

【厳守事項】
- 作家名を正しい表記や本名に直さないでください。
  「文晁」と書かれていれば「文晁」のまま入れてください。
- 年代を西暦に直さないでください。言葉のまま入れてください。
- 依頼文に書かれていない作家・年代・主題を足さないでください。
  「〇〇派」とあっても、その派の作家を並べないでください。
- 依頼文が収蔵品の照会でない場合は、request_type を other にして、
  他の項目は空にしてください。

【依頼文】{request_text}

候補の根拠の写しの指示：

あなたは学芸課で、検索で見つかった収蔵品の記録を読み、
依頼の条件に当たる根拠を写す担当です。

【依頼の条件】{conditions_json}
【検索で見つかった記録】{hits_json}

【やること】
1. 記録ごとに、条件（作家・年代・技法・主題・形）のどれに当たるかを見る
2. 当たった条件ごとに、記録のどの欄（name / artist_raw / period_raw /
   technique / description）に何と書かれていたかを、記録の文字列のまま写す
3. 当たらなかった条件は not_found とする

【厳守事項】
- 記録に書かれていない内容を書かないでください。
  解説文に「鶴」が無ければ、motif は not_found です。
- 写す文字列は、記録の文字列をそのまま写してください。言い換えないでください。
- 「伝」「筆」「款」の付いた書き方は、付いたまま写してください。
- 貸し出せるか、展示できるかは書かないでください。
- 状態・展示日数・貸出の履歴は、こちらで添えるので書かないでください。

1つ目の「派の作家を並べない」を書かないと、「四条派」から作家の名前を補って検索の条件を広げます。 広げた条件で見つかった資料は、依頼元の意図と違うことがあり、しかも広げたことが画面に残りません。 広げたいときは、学芸員が作家名を足して引き直します。

2つ目の「状態・展示日数は書かない」は、ずれを防ぐためです。 数字は Lambda が記録から添えます。AIが写すと、桁や年を取り違えたときに見分けがつきません。

出力形式を固定する

条件の取り出しは、次の形のJSONで受け取ります。Bedrock の Converse API の outputConfig.textFormat に JSON スキーマを渡し、形をそろえます。

{
  "request_type": "loan_request | exhibition_plan | inquiry | other",
  "artists": ["文晁"],
  "period_phrases": ["文化・文政のころ"],
  "techniques": ["水墨"],
  "motifs": ["山水"],
  "object_types": ["掛軸"],
  "count": 3,
  "exclusions": ["寄託品は除く"],
  "deadline": null
}

候補の一覧は、次の形で受け取ります。

{
  "candidates": [
    {
      "object_no": "",
      "matches": [
        { "condition": "artist | period | technique | motif | object_type",
          "status": "matched | not_found",
          "field": "name | artist_raw | period_raw | technique | description",
          "quote": "" }
      ]
    }
  ]
}

1つ目の理由は、作家と年代の直しを後段に分けられることです。 artists と period_phrases は言葉のまま来るので、Lambda が典拠の一覧と元号の表で直し、直せなかった言葉を画面に「未解決」として出せます。

2つ目は、根拠を照らせることです。 quote を記録の原文と突き合わせ、見つからない候補は外します。Bedrock の構造化出力は数値の範囲や文字列の長さの制約に対応していないので、点数の上限などは Lambda の側で見ます。

検索は hybrid クエリで行います。

hybrid クエリは検索の最上位に置きます。 function_score などの中に入れることはできず、入れるとエラーになるか正規化が飛びます。 句は5つまでです。展示日数の少ないものを上に出したいときは、hybrid の中ではなく、検索のあとに Lambda で並べ替えます。

年代は intersects で絞ります。 「文化・文政のころ」を1804から1830とし、記録の幅がそこに重なるものを拾います。within にすると「19世紀前半」と書かれた資料が落ちます。

システムへ連携する

収蔵品管理システムへは書き戻しません。 典拠の一覧で作家番号が付いても、それを正本の記録に入れるかは、学芸課が記録の見直しとして別に決めます。

索引は2つ持ち、別名で切り替えます。毎晩新しい索引を作り、件数を確かめてから別名を付け替えます。 取り込みに失敗した夜は、前の索引のまま検索できます。

人が確認する

候補の一覧をそのまま依頼元に送ることはしません。 学芸員が次の順で確かめます。

1. 未解決の言葉を見る … 典拠の一覧に無かった作家名、元号の表で直せなかった年代。ここが残っていれば、検索が漏れている可能性があります
2. 帰属の区分を見る … 「伝」「款」の付いたものを、依頼元にどう伝えるかを決めます
3. 台帳とカードで見直す … 候補に選んだものだけ、紙の記録と照らします
4. 状態と履歴を見る … 展示日数、前回の貸出から空いた期間、点検の記録を見て、貸し出せるかを保存の担当と相談します
5. 返事か企画の資料にする

1番目を省かないでください。 典拠の一覧に無い別号は、そもそも検索の条件に入っていません。見つからなかったのではなく、探していないのです。 未解決の作家名が出たら、典拠の一覧に足してから引き直します。

目標は1件15分です。 候補の一覧と根拠を読み、選んだものだけ紙の記録と照らして、返事にまとめるまでの時間です。

例外に対処する

3行目を忘れやすいです。 年代で絞ると、年代の書かれていない資料は1件も出ません。記録が古い資料ほど年代が書かれておらず、探したい資料ほど落ちます。

記録を残す

• 検索ごとの依頼文、取り出した条件、直した作家番号と年代の幅、未解決の言葉
• 送った hybrid クエリと、返ってきた資料番号と点数
• 生成AIの出力の全文と、原文と照らして外した候補
• 学芸員が選んだ候補と、選ばなかった理由の区分
• 典拠の一覧・元号の表・言い換え辞書の版

未解決の言葉は、毎月まとめて学芸課の会議で見ます。 典拠の一覧と言い換え辞書に足すべき言葉の一覧になり、古参の学芸員の頭の中にあった知識が、表に移っていきます。

表の版を残すのは、同じ依頼でも表を足す前と後で結果が変わるためです。 他館から「前に問い合わせたときは無いと言われた」と言われたときに、当時どの表で引いたかを確かめられます。