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.
También llamado: semantic search, similarity search, dense retrieval
Por Divya Sharma · Comprobado el 15 nov 2026 · Cómo hacemos las reseñas
La búsqueda por palabras clave encuentra documentos que contienen las palabras que escribiste. La búsqueda vectorial encuentra documentos cuyos embeddings están cerca del embedding de la consulta, así que "el coche no arranca" puede coincidir con una página titulada "Solución de problemas con una batería descargada". La cercanía se mide con similitud coseno, producto escalar o distancia euclídea.
Dense retrieval
Dense retrieval (recuperación densa) es el nombre que da a la misma idea el campo de la recuperación de información: las consultas y los pasajes se codifican cada uno en vectores densos, y la recuperación es una búsqueda de vecinos más cercanos. El término se contrapone a la recuperación dispersa como BM25, en la que la mayoría de las entradas del vector son cero y cada una representa una palabra. Un artículo de 2020 sobre dense passage retrieval mostró que este enfoque, entrenado con pares de pregunta y pasaje, podía superar a una base de referencia BM25 sólida en preguntas y respuestas de dominio abierto.
Cómo funciona a escala
Comparar una consulta con cada vector guardado es exacto pero lento. Los sistemas en producción usan índices de vecinos más cercanos aproximados como HNSW, normalmente dentro de una base de datos vectorial.
Límites
La búsqueda vectorial puede pasar por alto coincidencias exactas de nombres, códigos de error y términos raros, y siempre devuelve algo aunque no exista nada relevante. Muchos equipos la combinan con búsqueda por palabras clave en una búsqueda híbrida y después aplican reranking.
Términos relacionados
- 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.
- 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.
- Embedding
- Un embedding (vector de representación) es una lista de números (un vector) que representa un fragmento de texto, una imagen u otros datos, generada de forma que los elementos con significado parecido acaban con vectores cercanos entre sí.
- 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.
- 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.