Filtrado por metadatos
El filtrado por metadatos (metadata filtering) limita una búsqueda a los elementos cuyos atributos guardados, como fecha, autor, idioma o grupo de acceso, cumplen unas condiciones dadas, junto con su clasificación por similitud vectorial o antes de ella.
También llamado: filtered vector search, payload filtering
Por Divya Sharma · Comprobado el 15 nov 2026 · Cómo hacemos las reseñas
Un embedding capta de qué trata un pasaje, no datos como "publicado después de marzo" o "visible para el equipo de finanzas". El filtrado por metadatos cubre eso. Cada vector de una base de datos vectorial se guarda con campos (Qdrant los llama payload), y una consulta puede pedir "vecinos más cercanos, pero solo donde el tenant sea acme y el año sea este".
Por qué importa
Los filtros hacen que los resultados sean correctos, no solo parecidos. Un bot de soporte solo debería citar la versión vigente de una política. Una app multi-tenant nunca debe devolver documentos de otro cliente. Filtrar por campos de acceso en el momento de la consulta es una capa de esa protección, aunque no debería ser la única.
Cómo se hace
El prefiltrado aplica primero la condición y luego busca solo entre los vectores que la cumplen. El posfiltrado busca primero y luego descarta los elementos que no la cumplen, lo que puede dejarte con muy pocos resultados. Las bases de datos vectoriales modernas filtran sobre todo durante el recorrido del índice. Crear un índice sobre los campos filtrados mantiene la rapidez.
Límites
Los filtros muy selectivos pueden empeorar el recall en índices de grafo como HNSW, porque el recorrido tiene menos nodos válidos por los que avanzar. Los metadatos solo son tan buenos como el parsing de documentos y la ingesta que los produjeron, así que fechas que faltan o propietarios erróneos dan resultados erróneos. Prueba por separado las consultas filtradas cuando midas métricas de recuperación.
Términos relacionados
- 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.
- 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.
- 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.
- Análisis de documentos
- El análisis de documentos (document parsing) convierte archivos como PDF, escaneos, presentaciones y hojas de cálculo en texto estructurado que el software puede usar, conservando títulos, orden de lectura, tablas e imágenes en lugar de un flujo plano de caracteres.
- 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.