Búsqueda híbrida
La búsqueda híbrida (hybrid search) ejecuta una búsqueda por palabras clave y una búsqueda vectorial con la misma consulta y fusiona las dos listas ordenadas, para que los resultados coincidan tanto en las palabras exactas como en el significado.
También llamado: hybrid retrieval
Por Divya Sharma · Comprobado el 15 nov 2026 · Cómo hacemos las reseñas
La búsqueda vectorial es buena con las paráfrasis y floja con los identificadores exactos. La búsqueda por palabras clave con BM25 es lo contrario: encuentra un código de error exacto, pero no encuentra "la aplicación se cierra al iniciar sesión" cuando el documento dice "fallo de autenticación". La búsqueda híbrida ejecuta las dos y las combina, lo que suele cubrir más de las consultas que escriben los usuarios reales.
Cómo se fusionan las listas
Las dos búsquedas producen puntuaciones en escalas distintas, así que no se pueden sumar sin más. Se usan dos métodos habituales. La reciprocal rank fusion (RRF) ignora las puntuaciones brutas y premia los documentos que salen arriba en cualquiera de las dos listas; no necesita ajustes. La fusión ponderada de puntuaciones normaliza las puntuaciones de cada lista y las mezcla con un peso, a menudo llamado alfa, que fija cuánto cuenta cada lado.
Ejemplo
Un sitio de documentación para desarrolladores recibe una consulta que menciona un código de estado HTTP concreto y la palabra "retry". BM25 encuentra las páginas con ese código exacto. La búsqueda vectorial encuentra una página sobre estrategias de backoff que nunca lo menciona. La fusión coloca ambas cerca de arriba.
Dónde encaja
La búsqueda híbrida es una primera fase. Los equipos suelen enviar sus mejores resultados a un modelo de reranking para un orden final antes de pasarlos a un prompt de generación aumentada por recuperación. Muchas bases de datos vectoriales, como Weaviate, la admiten directamente. La recuperación dispersa aprendida puede sustituir a BM25 en la parte de palabras clave.
Términos relacionados
- BM25
- BM25 es una fórmula de ordenación para la búsqueda por palabras clave. Puntúa cada documento según con qué frecuencia aparecen en él las palabras de la consulta, dando más peso a las palabras raras y menos mérito a los documentos largos y a los términos repetidos.
- 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.
- Reranking
- El reranking (reordenación) es un segundo paso de búsqueda que toma una lista corta de documentos candidatos y los reordena según su relevancia para la consulta, usando un modelo más preciso pero más lento que el de la primera búsqueda.
- Recuperación dispersa
- La recuperación dispersa (sparse retrieval) representa consultas y documentos como vectores sobre un vocabulario en el que la mayoría de las entradas son cero y cada entrada distinta de cero es el peso de una palabra, de modo que la búsqueda puede usar índices invertidos rápidos como la búsqueda por palabras clave.
- Generación aumentada por recuperación
- La generación aumentada por recuperación (RAG, retrieval-augmented generation) es un patrón en el que un sistema busca primero en una colección de documentos los pasajes relevantes para una pregunta y luego se los da a un modelo de lenguaje para que su respuesta se base en ellos.