Búsqueda híbrida
Última actualización:
Qué es la búsqueda híbrida
La búsqueda por palabras clave, normalmente basada en índices de texto completo y funciones de clasificación como BM25, destaca en las coincidencias exactas: códigos de producto, nombres, siglas y frases literales. La búsqueda semántica, basada en embeddings, destaca en el significado: sinónimos, paráfrasis y preguntas formuladas de forma imprecisa. Cada una tiene puntos ciegos que la otra cubre.
La búsqueda híbrida ejecuta ambos métodos con la misma consulta y combina lo que encuentran. El resultado es una única lista de fragmentos que se posiciona bien tanto por términos exactos como por intención.
Cómo funciona
La consulta se envía a dos sistemas de recuperación. El de palabras clave ordena los fragmentos según lo bien que sus palabras coinciden con la consulta. El vectorial los ordena por similitud de embeddings. Después se fusionan las dos listas, normalmente con uno de estos métodos:
- Reciprocal rank fusion (RRF): cada fragmento recibe una puntuación según su posición en cada lista, de modo que suben los que aparecen bien situados en ambas.
- Combinación ponderada: las puntuaciones normalizadas de ambos sistemas se suman con pesos elegidos.
- Reordenación: un modelo aparte vuelve a ordenar los candidatos fusionados según su relevancia para la pregunta.
Un ejemplo
El chatbot de una tienda de electrónica recibe la pregunta «¿El XR-220 funciona con cargadores USB-C?». La búsqueda por palabras clave encuentra la ficha del producto porque contiene «XR-220». La búsqueda vectorial encuentra un artículo general sobre compatibilidad de cargadores. Con la búsqueda híbrida, la ficha queda en primer lugar y el artículo sigue disponible como contexto de apoyo.
La búsqueda semántica por sí sola podría haber devuelto la ficha de un modelo parecido. La búsqueda por palabras clave por sí sola no encontraría el artículo si nunca menciona el número de modelo.
Por qué importa en los chatbots para empresas
Las preguntas de los clientes mezclan dos tipos de lenguaje: expresiones cotidianas e identificadores exactos. Si la recuperación no encuentra el fragmento correcto, ni siquiera un buen modelo de lenguaje puede responder bien y puede rellenar el hueco con una suposición. La búsqueda híbrida reduce esos fallos y hace más fiables las respuestas basadas en fuentes.
La rank fusion es una opción habitual en los chatbots porque las puntuaciones por palabras clave y las de similitud usan escalas distintas y son difíciles de comparar. Trabajar con posiciones en lugar de puntuaciones brutas evita ese problema y requiere poco ajuste.
Cómo la usa intoCHAT
intoCHAT usa recuperación híbrida en cada pregunta. Ejecuta una búsqueda vectorial y una búsqueda de texto completo por palabras clave sobre tu contenido de entrenamiento y fusiona ambas clasificaciones con rank fusion. Las respuestas de tus pares de pregunta y respuesta tienen prioridad sobre otras fuentes, y las fuentes marcadas con estrella suben en la clasificación. No hay nada que configurar: mejoras los resultados mejorando tu contenido.