Busca aproximada de vizinhos mais próximos
A busca aproximada de vizinhos mais próximos (approximate nearest neighbor, ANN) encontra vetores próximos a uma consulta sem verificar cada vetor armazenado. Ela abre mão da garantia da melhor correspondência exata em troca de uma busca muito mais rápida em grandes coleções.
Também chamado: ANN, ANN search, approximate k-nearest neighbor
Por Divya Sharma · Verificado em 15 de nov. de 2026 · Como analisamos
Encontrar os vizinhos mais próximos exatos significa comparar a consulta com cada vetor que você tem. Isso funciona para uma coleção pequena e é lento demais para uma muito grande. Os algoritmos ANN constroem um índice com antecedência, para que uma busca toque só uma pequena parte dos dados.
Principais famílias
Índices baseados em grafos, como o HNSW, ligam cada vetor a vetores próximos e percorrem o grafo em direção à consulta. Índices de agrupamento, como o IVF, reúnem os vetores em grupos e só buscam nos grupos mais próximos da consulta. Métodos de quantização comprimem os vetores para que caibam mais na memória e as verificações de distância fiquem mais baratas. Bibliotecas como o Faiss combinam essas técnicas.
O equilíbrio
A qualidade do ANN é medida como recall: a parcela dos verdadeiros vizinhos mais próximos que o índice de fato devolve. Configurações como quantos vizinhos do grafo explorar ou quantos grupos sondar trocam recall por velocidade e memória. Para a maioria dos usos de busca e de geração aumentada por recuperação, um vizinho próximo é quase tão útil quanto o exato, então a perda é pequena.
Onde você encontra
Você raramente implementa ANN por conta própria. Um banco de dados vetorial escolhe e ajusta um índice para você, embora a maioria exponha parâmetros. Se os resultados parecem deixar passar correspondências óbvias, verifique as configurações do índice antes de culpar o modelo de embedding. Meça com métricas de recuperação em um conjunto rotulado.
Termos relacionados
- HNSW
- O HNSW (hierarchical navigable small world) é um índice baseado em grafos para busca aproximada de vizinhos mais próximos. Ele liga os vetores a seus vizinhos em várias camadas, para que uma busca possa saltar rapidamente em direção às correspondências mais próximas.
- Banco de dados vetorial
- Um banco de dados vetorial (vector database) armazena embeddings junto com seus registros de origem e encontra os vetores guardados mais próximos de um vetor de consulta, geralmente com um índice aproximado para que a busca continue rápida em milhões de itens.
- Busca vetorial
- A busca vetorial (vector search) encontra itens comparando seus embeddings com o embedding de uma consulta e devolvendo os mais próximos, para que os resultados correspondam pelo significado e não por palavras-chave em comum.
- Métricas de recuperação (recall@k, nDCG, MRR)
- Métricas de recuperação (retrieval metrics) avaliam quão bem um sistema de busca retorna documentos relevantes. O recall@k verifica quantos itens relevantes aparecem entre os k primeiros, o nDCG recompensa colocá-los no alto e o MRR mede quão cedo aparece o primeiro correto.
- Dimensão do embedding
- A dimensão do embedding (embedding dimension) é o número de valores em cada vetor que um modelo de embedding produz. Mais dimensões podem guardar mais detalhes, mas cada valor extra acrescenta custo de armazenamento, memória e busca por item.