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.
Também chamado: semantic search, similarity search, dense retrieval
Por Divya Sharma · Verificado em 15 de nov. de 2026 · Como analisamos
A busca por palavra-chave encontra documentos que contêm as palavras que você digitou. A busca vetorial encontra documentos cujos embeddings ficam perto do embedding da consulta, então "carro não liga" pode corresponder a uma página chamada "Como resolver uma bateria descarregada". A proximidade é medida com similaridade de cosseno, produto escalar ou distância euclidiana.
Dense retrieval
Dense retrieval (recuperação densa) é o nome que a área de recuperação de informação dá à mesma ideia: consultas e trechos são codificados cada um em vetores densos, e a recuperação é uma busca pelos vizinhos mais próximos. O termo contrasta com a recuperação esparsa, como o BM25, em que a maioria das entradas do vetor é zero e cada uma representa uma palavra. Um artigo de 2020 sobre dense passage retrieval mostrou que essa abordagem, treinada com pares de pergunta e trecho, podia superar uma base forte de BM25 em perguntas e respostas de domínio aberto.
Como roda em escala
Comparar uma consulta com cada vetor guardado é exato, mas lento. Sistemas de produção usam índices de vizinhos mais próximos aproximados como o HNSW, geralmente dentro de um banco de dados vetorial.
Limites
A busca vetorial pode perder correspondências exatas de nomes, códigos de erro e termos raros, e sempre devolve alguma coisa, mesmo quando não existe nada relevante. Muitas equipes a combinam com busca por palavra-chave em uma busca híbrida e depois aplicam reranking.
Termos relacionados
- 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.
- 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.
- Embedding
- Um embedding (representação vetorial) é uma lista de números (um vetor) que representa um trecho de texto, uma imagem ou outros dados, produzida de forma que itens com significado parecido acabem com vetores próximos entre si.
- 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.
- BM25
- O BM25 é uma fórmula de ranqueamento para busca por palavras-chave. Ele pontua cada documento pela frequência com que as palavras da consulta aparecem nele, dando mais peso a palavras raras e menos crédito a documentos longos e termos repetidos.