Glosario IA
El diccionario completo de la Inteligencia Artificial
Recuperación Híbrida
Enfoque de búsqueda que combina métodos de búsqueda vectorial y por palabras clave para optimizar simultáneamente la precisión y el recall en sistemas RAG. Esta técnica aprovecha las fortalezas de la búsqueda semántica y la búsqueda léxica para obtener resultados más completos.
Búsqueda Vectorial
Método de búsqueda basado en la similitud semántica de embeddings vectoriales en un espacio multidimensional de alta dimensión. Permite encontrar documentos relevantes incluso sin coincidencia exacta de palabras clave gracias a la comprensión del contexto.
Búsqueda por Palabras Clave
Técnica de búsqueda tradicional basada en la coincidencia exacta o parcial de términos en los documentos y la consulta. Utiliza algoritmos como BM25 para evaluar la relevancia basada en la frecuencia y distribución de los términos.
Recuperación Dispersa
Método de búsqueda que utiliza representaciones dispersas del texto basadas en la presencia o ausencia de términos específicos. Más eficiente en términos computacionales y excelente para coincidencias exactas de palabras clave.
Fusión de Rangos Recíprocos
Algoritmo de fusión de resultados de búsqueda que combina los rankings de múltiples sistemas de búsqueda utilizando una fórmula de ponderación armónica. Permite obtener un ranking robusto aprovechando la complementariedad de los enfoques.
Algoritmo BM25
Algoritmo de ranking probabilístico basado en la frecuencia de términos y la longitud de documentos, ampliamente utilizado en motores de búsqueda por palabras clave. Considerado el estado del arte para la búsqueda léxica en sistemas híbridos.
FAISS
Biblioteca optimizada de Facebook AI para la búsqueda de similitud rápida en espacios vectoriales de alta dimensión. Esencial para implementar eficientemente el componente vectorial de los sistemas de recuperación híbridos.
Cross-Encoder
Arquitectura de modelo neuronal que codifica simultáneamente la consulta y el documento para predecir su relevancia mutua. Más preciso pero más lento que los bi-encoders, frecuentemente utilizado para el re-ranking de resultados híbridos.
Bi-Encoder
Arquitectura de modelo que codifica por separado consultas y documentos en vectores independientes para una búsqueda vectorial eficiente. Fundamental para el componente denso de sistemas de recuperación híbridos a gran escala.
Re-ranking
Proceso de reevaluación y reorganización de los resultados de búsqueda iniciales utilizando modelos más complejos para mejorar la precisión final. Etapa crucial en pipelines híbridos para refinar la selección de los documentos más relevantes.
Semantic Similarity
Medida de la proximidad conceptual entre dos textos basada en su significado más que en sus palabras exactas. Generalmente calculada mediante la distancia coseno entre sus embeddings en sistemas híbridos.
Embedding Fusion
Técnica que combina múltiples tipos de embeddings o representaciones vectoriales para capturar diferentes aspectos semánticos del texto. Mejora la robustez de la búsqueda vectorial en sistemas híbridos multimodales.
Query Understanding
Proceso de análisis e interpretación de las intenciones del usuario en las consultas para optimizar la estrategia de búsqueda híbrida. Implica detección de entidades, clasificación de intenciones y expansión semántica.
ColBERT
Modelo de búsqueda contextual que utiliza embeddings a nivel de tokens en lugar de a nivel de documento para una granularidad máxima. Permite comparaciones token-por-token finas en sistemas de recuperación híbridos.
Late Fusion
Estrategia de combinación donde los resultados de búsqueda vectorial y por palabras clave se fusionan después de su evaluación individual. Enfoque flexible que permite ponderaciones dinámicas según las características de la consulta.
Early Fusion
Enfoque híbrido que combina características vectoriales y léxicas a nivel de indexación o representación documental. Permite una integración profunda de señales pero con menos flexibilidad de adaptación.
Recuperador de Pasajes Densos
Modelo especializado en la recuperación de pasajes relevantes utilizando codificadores BERT para generar embeddings de alta calidad. Componente clave para la búsqueda vectorial en sistemas RAG híbridos.