Filtragem por metadados
A filtragem por metadados (metadata filtering) limita uma busca a itens cujos atributos armazenados, como data, autor, idioma ou grupo de acesso, atendem a condições dadas, junto com ou antes de ordená-los por similaridade vetorial.
Também chamado: filtered vector search, payload filtering
Por Divya Sharma · Verificado em 15 de nov. de 2026 · Como analisamos
Um embedding captura sobre o que um trecho fala, não fatos como "publicado depois de março" ou "visível para a equipe financeira". A filtragem por metadados cuida disso. Cada vetor em um banco de dados vetorial é armazenado com campos (o Qdrant os chama de payload), e uma consulta pode dizer "vizinhos mais próximos, mas só onde o tenant é acme e o ano é este".
Por que importa
Filtros tornam os resultados corretos, não apenas parecidos. Um bot de suporte só deve citar a versão atual de uma política. Um app multi-tenant nunca deve retornar documentos de outro cliente. Filtrar por campos de acesso na hora da consulta é uma camada dessa proteção, mas não deve ser a única.
Como é feito
A pré-filtragem aplica a condição primeiro e depois busca só nos vetores que a atendem. A pós-filtragem busca primeiro e depois descarta os itens que não passam, o que pode deixar você com poucos resultados. Os bancos de dados vetoriais modernos filtram, em sua maioria, durante o percurso do índice. Criar um índice nos campos filtrados mantém isso rápido.
Limites
Filtros muito seletivos podem prejudicar o recall em índices de grafo como o HNSW, já que o percurso tem menos nós válidos por onde passar. Os metadados só são tão bons quanto o parsing de documentos e a ingestão que os produziram, então datas ausentes ou donos errados geram resultados errados. Teste as consultas filtradas separadamente ao medir métricas de recuperação.
Termos relacionados
- 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.
- 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.
- Busca híbrida
- A busca híbrida (hybrid search) faz uma busca por palavras-chave e uma busca vetorial na mesma consulta e mescla as duas listas ordenadas, para que os resultados possam corresponder tanto às palavras exatas quanto ao significado.
- Parsing de documentos
- O parsing de documentos (análise de documentos) converte arquivos como PDFs, digitalizações, apresentações e planilhas em texto estruturado que um software consegue usar, mantendo títulos, ordem de leitura, tabelas e imagens, em vez de um fluxo plano de caracteres.
- 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.