Vector Search

Una lista ordenada de números que puede representar un punto o una dirección en un espacio de varias dimensiones.

Similitud coseno

Una medida de qué tan parecidos son dos vectores según el ángulo entre ellos, sin importar su longitud.

Modelo de embeddings

Un modelo especializado en convertir textos (u otros datos) en embeddings útiles para buscar y comparar.

Espacio de embeddings

El espacio de muchas dimensiones donde viven los embeddings y donde la distancia entre puntos refleja similitud de significado.

Representaciones vectoriales

Una forma de convertir información como palabras, imágenes o documentos en listas de números que una computadora puede comparar matemáticamente.

Búsqueda por palabras clave

Buscar documentos según las palabras exactas que contienen, puntuando qué tan relevantes son esas coincidencias.

Una operación entre dos vectores que multiplica sus componentes una a una y suma los resultados; mide qué tanto «apuntan en la misma dirección».

Búsqueda semántica

Buscar información por su significado en lugar de por coincidencia exacta de palabras.

Base de datos vectorial

Una base de datos diseñada para almacenar embeddings y encontrar rápidamente los más parecidos a una consulta.

Búsqueda vectorial

Encontrar los vectores más cercanos a un vector de consulta dentro de una colección.

Approximate Nearest Neighbor

Algoritmos que encuentran vectores muy cercanos a una consulta sin compararla con todos, a cambio de una pequeña pérdida de exactitud.

Búsqueda híbrida

Combinar búsqueda semántica (vectores) y búsqueda por palabras clave para obtener lo mejor de ambas.

Reordenamiento

Un segundo paso que reordena los resultados de búsqueda con un modelo más preciso para quedarse con los más relevantes.