こんにちは、ひるたんぬです。
旅行に行った友人や家族から「小麦を主原料とした焼菓子」をお土産としていただくことがしばしばあります。
さて、これは「クッキー」なのでしょうか？それとも…「ビスケット」？
ここでは、「一般社団法人 全国ビスケット協会」が定める「ビスケット類の表示に関する公正競争規約」を参考にすると…
規約 第二条
…（中略）…
2 この規約で「ビスケット」とは、小麦粉その他の穀粉類、糖類及び食用油脂を原料とし、必要により食塩、澱粉、乳製品、卵製品、膨張剤等の原材料を配合し、又は添加したものを混合機、成型機及びビスケッ トオーブンを使用して製造した食品をいう。
3 この規約で「クッキー」とは、ビスケットのうち次に掲げるものをいう。
(1) 「手づくり風」の外観を有し、糖分及び脂肪分の 合計が重量百分比で40パーセント以上のもので、 嗜好に応じ、卵製品、乳製品、ナッツ、乾果、蜂蜜等により製品の特徴付けを行って風味よく焼きあげたもの
(2) その他、全国ビスケット公正取引協議会（以下 「公正取引協議会」という。）の承認を得たもの施行規則 第三条
…（中略）…
(1) ビスケット
ビスケットにあっては「ビスケット」と表示すること。ただし、規約第２条第３項に定めるものにあっては「クッキー」と表示することができる。
これより、クッキーはビスケットの一種であり、所定の要件を満たすものだけがクッキーを名乗れる、ということなんですね。
ここまで定義がしっかりあるとは知りませんでした…
さて、今回は日本語特有の「縦書き」ドキュメントは、RAG（Amazon Bedrock Managed Knowledge Base）で正しく検索できるのか簡単に検証してみたいと思います。
下準備
Amazon Bedrock Managed Knowledge Baseの作成
マネージドサービスということもあり設定項目があまり多くないため、「とりあえず触ってみる」ということが気軽にできてよいですね。
最近の私のブログ記事執筆を後押ししてくれる気軽さです。
作成が終わればAWS上の準備は完了です。
ドキュメントの用意
今回は本題である縦書きドキュメントに加え、動作するであろう横書きの日本語ドキュメントも用意しておきます。
縦書きドキュメントは、執筆時点で最新の10月23日の官報「本紙（第1814号）」から縦書き部分のページのみを抽出、横書きドキュメントは折角なので、冒頭でも触れた「ビスケット類の表示に関する公正競争規約」を使用させていただきます。
検証
ドキュメントを一つS3に格納し、データソースを同期、検証完了後にドキュメントを削除という流れを縦書き・横書きのドキュメントに対して繰り返します。
横書きドキュメントの検証
横書きドキュメントを格納し、データソースの同期を実行します。完了後にテスト画面からドキュメントの内容を問いかけてみます。
ナレッジベース内のドキュメントについて、概要を教えてください。
ナレッジベース内には、現在確認できる限り **「02_terms_and_conditions_new.pdf」** という1つのドキュメントが格納されています。
## ドキュメント概要
**タイトル**: ビスケット類の表示に関する公正競争規約・施行規則（令和7年3月5日認定及び承認）
**内容構成**: このドキュメントは、ビスケット・クラッカー・ウエハース・パイ・ラスクなど「ビスケット類」の表示（ラベリング）に関する業界の自主規約（公正競争規約）とその施行規則をまとめたものです。全13ページ程度の構成で、以下のような内容が含まれています。
– **用語・定義（第1条・第2条）**: 「ビスケット」「クラッカー」「ウエハース」「パイ」「ラスク」「クッキー」など、各製品カテゴリーの原材料・水分含量・製法に基づく定義
– **表示に関する規定（第3条〜第13条等）**: 種別名称の表示方法、原材料名の表示、使用上の注意、保存方法、原産国名、製造者・加工者の氏名・名称および住所の表示方法など
– **栄養成分表示（別紙様式）**: 熱量・たんぱく質・脂質・炭水化物・食塩相当量などの栄養成分表示フォーマット（別紙第2、別紙第3）
– **不当表示の禁止、表示の省略規定**: 特定条件下での表示省略ルールや、特色ある原材料使用時の表示基準
– **公正取引協議会関連規定**: 公正取引協議会の役割、規約の運用・改廃に関する手続き**注記**: このPDFはOCR（文字認識）由来と見られる文字化け・欠損が多数含まれており、一部の条文（第8条以降の用語定義や第17条以降の詳細条項など）は正確に読み取れない箇所があります。正確な内容確認が必要な場合は、原本PDFを直接参照することをお勧めします。
他に知りたい項目（特定の条文の詳細など）があれば教えてください。
一部文字化けがあるみたいですが、「ビスケット」や「クッキー」など、ドキュメントにかかれている内容が返ってきているので、パース自体はできていそうです。念のため、Retrieveで「ビスケット クッキー 差分」とテストしてみます。
別紙様式１から別紙様式３までにより示す場合は、この旨を示ない。 （１）種別別名称 （種別別名称の表示） 第３条 称別別名の表示は、「種別別名称」の文字から始に、次に掲げる分組により記載するもこと。 ① ビスケット ビスケットにあっては「ビスケット」と表示すること。ただし、過剰第２条(3)に掲げるもののあっては「クッキー」と表示することができる。 ② クラッカー クラッカーにあっては「クラッカー」と…ビスケット類の表示に関する公正競争規約・施行規則
ビスケット類の表示に関する公正競争規約・施行規則 令和7年3月5日認定及び承認
規 約
定義）
第2条 この規約で「ビスケット類」とは、ビスケット（クッキーを含む。以下同じ。）、クラッカー（センサービスケットを含む。以下同じ。）、カットパン及びウエハース並びにパイ状にされるものに相当いう。
2 この条中で「ビスケット」とは、小麦粉その他の穀粉、…施 行 規 則
した場合 り 甘ぐし記に請いけ区別は乳料のうち卵いか料材金混ぐ 暨山上下方材材で化用した乱もについては 当該 7 8
規 約 規 約 施 行 規 則
4 平常かつ、ビスケット類について、物(2)の原則(8)も(1)機械類、(1)薬旧工民包その他の(1)用いたが材料が特色のあるいずれで(1)を表示する場合には、色の実が住いかんにしぬばならぬ。(1) 次のなを1述べるいずれかの方法…ビスケット類の表示に関する公正競争規約・施行規則
ビスケット類の表示に関する公正競争規約・施行規則 令和7年3月5日認定及び承認
規 約
用語）
第1条 この規約で「ビスケット類」（以下「ビスケット」という。）は、小麦粉、砂糖、油脂等を主原料とし、水分を加えて混合し、焼成した食品であり、次のいずれかに分類される。また「ビスケット類」に含まれるものについては、この規約を適用する。
（1）「ビスケ…ただし、ビスケット類に、チョコレート粉の表示に関する公式図ねのに、処定するする・ョコレート生掛ずｒ粉テ・ョコレート粉定して記示のに考えぞれについてたものにおいてにおけ一部ずてチョコレード、塩ァ・ョコレート粉を粉するしかができる
規 約 規 約 施 行 規 則
第5条 ビスケット缶ごめていて、ナショレート缶ウ定パむ対する公正な争闘約に従うするショコレート缶てもあるしめについては、その他認別と商及…
文字化けがあることはやはり気にはなりますが、今回は精度には触れないでおきます。見覚えのある文章が出てきましたね。
縦書きドキュメントの検証
さて、ここからが本番です。
先ほどまでの横書きドキュメントを削除し、縦書きドキュメントをアップロードします。
再度データソースを同期し、縦書きドキュメントが取り込まれるのを待ちます。
終わりましたら、同じ文章で問いかけてみましょう。
ナレッジベース内のドキュメントについて、概要を教えてください。
現在ナレッジベースに登録されているドキュメントは、1件のみ確認できました。
## ドキュメント概要
– **ファイル名**: 20261023h018140002.pdf
– **種類**: 日本政府の官報（公式刊行物）
– **発行日**: 令和8年10月23日（2026年10月23日）
– **号数**: 第1814号（2ページ目）**内容の特徴**：
– 伝統的な縦書き・右から左への日本語レイアウトで構成されています。
– 「省」「令」「規」「法的示」といった見出し・区切り記号が複数の列に見られ、行政・法令関連の通知や告示と推察される内容です。
– ページ全体に3000文字以上に及ぶ密な日本語の縦書きテキストが含まれており、官公庁の業務や事業者向けの規制情報・公的発表に関する内容と考えられます。**注意点**：
このドキュメントは画像（PDF）形式のため解像度の制約があり、文字単位での正確な全文転記は行えていません。具体的な条文内容や告示の詳細（どの省庁の、どのような規則・制度に関する発表か等）について知りたい場合は、該当箇所を具体的に教えていただければ、再度詳細を確認いたします。
「伝統的な縦書き・右から左への日本語レイアウト」…思わず少し笑ってしまいました。
具体的な内容には触れられておらず、「〇〇と推察される」や「考えられる」と、生成AIお得意の「それっぽい回答」になっています。
ただ、回答やトレースをよく見てみると、官報であることは分かっているようですね。
「令和8年10月23日」と「官報」と「第1814号」が分かることから、もう一度官報のPDFを見返してみると…
読み取れている部分は横書きになっている部分のみのようです。
念のため、ドキュメントの内容について読み取れているのか、Retrieveで「物資の流通の効率化に関する法律」とテストしてみます。
The page contains what appears to be approximately 3000+ characters of Japanese text arranged in multiple vertical columns, including various administrative headings, regulatory text, and official not…
PDF全体の説明（3000文字以上の日本語・縦書きなど）がされており、肝心な内容には触れられておりません。
まとめ
今回はBedrock Managed Knowledge Baseを用いて縦書きドキュメントの読み取りができるかを簡単に検証しました。
結果は予想通り、というところではありましたが、マネージドではないKBを作成しパーサーを他モデルに変更するなどすれば、できる可能性もあったりする…？と考えてみたりもしました。（ただ、縦書きドキュメントは横書きに直したうえで取り込むというフローを作ったほうが良いような気もしています。）