Búsqueda de vecinos más cercanos aproximada
La búsqueda de vecinos más cercanos aproximada (ANN, approximate nearest neighbor) encuentra vectores cercanos a una consulta sin revisar todos los vectores guardados. Renuncia a garantizar la mejor coincidencia exacta a cambio de una búsqueda mucho más rápida en colecciones grandes.
También llamado: ANN, ANN search, approximate k-nearest neighbor
Por Divya Sharma · Comprobado el 15 nov 2026 · Cómo hacemos las reseñas
Encontrar los vecinos más cercanos exactos significa comparar la consulta con todos los vectores que tienes. Eso funciona en una colección pequeña y es demasiado lento en una muy grande. Los algoritmos ANN construyen un índice por adelantado para que una búsqueda solo toque una pequeña parte de los datos.
Familias principales
Los índices basados en grafos, como HNSW, enlazan cada vector con vectores cercanos y recorren el grafo hacia la consulta. Los índices por clústeres, como IVF, agrupan los vectores en cubos y solo buscan en los cubos más cercanos a la consulta. Los métodos de cuantización comprimen los vectores para que quepan más en memoria y las comprobaciones de distancia sean más baratas. Bibliotecas como Faiss combinan todo esto.
El equilibrio
La calidad de un ANN se mide como recall: la proporción de vecinos más cercanos reales que el índice devuelve de verdad. Ajustes como cuántos vecinos del grafo explorar o cuántos clústeres sondear cambian recall por velocidad y memoria. Para la mayoría de los usos de búsqueda y de generación aumentada por recuperación, un vecino cercano es casi tan útil como el exacto, así que la pérdida es pequeña.
Dónde te lo encuentras
Rara vez implementas ANN por tu cuenta. Una base de datos vectorial elige y ajusta un índice por ti, aunque la mayoría exponen parámetros. Si los resultados parecen pasar por alto coincidencias obvias, revisa los ajustes del índice antes de culpar al modelo de embeddings. Mide con métricas de recuperación sobre un conjunto etiquetado.
Términos relacionados
- HNSW
- HNSW (hierarchical navigable small world) es un índice basado en grafos para la búsqueda de vecinos más cercanos aproximada. Enlaza los vectores con sus vecinos a lo largo de varias capas, para que una búsqueda pueda saltar rápidamente hacia las coincidencias más cercanas.
- Base de datos vectorial
- Una base de datos vectorial (vector database) guarda embeddings junto a sus registros de origen y encuentra los vectores guardados más cercanos a un vector de consulta, normalmente con un índice aproximado para que la búsqueda siga siendo rápida con millones de elementos.
- Búsqueda vectorial
- La búsqueda vectorial (vector search) encuentra elementos comparando sus embeddings con el embedding de una consulta y devolviendo los más cercanos, de modo que los resultados coinciden por significado y no por palabras clave compartidas.
- Métricas de recuperación (recall@k, nDCG, MRR)
- Las métricas de recuperación puntúan lo bien que un sistema de búsqueda devuelve documentos relevantes. Recall@k comprueba cuántos elementos relevantes aparecen entre los k primeros, nDCG premia que estén bien arriba y MRR mide lo pronto que aparece el primero correcto.
- Dimensión del embedding
- La dimensión del embedding (embedding dimension) es el número de valores de cada vector que produce un modelo de embeddings. Más dimensiones pueden contener más detalle, pero cada valor extra añade coste de almacenamiento, memoria y búsqueda por elemento.