Todos os produtos
Search

Este produto

    DashVector:Busca semântica com reconhecimento de palavras-chave

    Central de documentação

    DashVector:Busca semântica com reconhecimento de palavras-chave

    Última atualização: Jun 29, 2026

    A busca semântica com reconhecimento de palavras-chave combina correspondência de termos e compreensão semântica em uma única consulta do DashVector. Ao armazenar vetores esparsos (para frequência de termos) e vetores densos (para significado semântico) na mesma coleção, você obtém um recall mais robusto sem precisar executar dois sistemas de busca separados.

    Conceitos principais

    Vetores esparsos representam palavras-chave e a frequência dos termos. Eles contêm majoritariamente valores zero e alguns valores não nulos, um para cada palavra-chave presente no documento. No DashVector, o vetor esparso {1:0.4, 10000:0.6, 222222:0.8} possui três palavras-chave (elementos 1, 10000 e 222222), cujos valores indicam seus respectivos pesos.

    Vetores densos capturam o significado semântico do conteúdo. Um modelo de embedding converte o texto em um array de comprimento fixo composto por números de ponto flutuante, identificando relações conceituais que a simples correspondência de palavras-chave não detecta.

    Vetores esparsos

    Vetores densos

    Representação

    Palavras-chave e frequência de termos

    Significado semântico

    Estrutura

    Predominância de zeros, poucos valores não nulos

    Maioria de valores não nulos

    Tecnologia base

    Índices invertidos, TF-IDF, BM25

    Modelos de embedding

    Ponto forte

    Correspondência exata de termos

    Similaridade conceitual

    Limitação típica

    Não associa "chuva forte" a "chovendo canivetes"

    Pode falhar ao relacionar "irrigação de arroz" com "arroz irrigado" se não treinado adequadamente

    A busca semântica com reconhecimento de palavras-chave supera ambas as limitações simultaneamente. A pontuação final de cada resultado corresponde ao produto escalar entre os vetores da consulta e os vetores do documento — as pontuações densas e esparsas são somadas.

    Quando utilizar a busca semântica com reconhecimento de palavras-chave

    Utilize este recurso nas seguintes situações:

    • As consultas misturam linguagem natural com termos específicos, como nomes de produtos, códigos de erro ou IDs

    • Os usuários pesquisam expressões idiomáticas, sinônimos ou conceitos parafraseados

    • Seu corpus exige tanto precisão no recall de palavras-chave quanto compreensão contextual

    Pré-requisitos

    Antes de começar, verifique se você possui:

    Execute a busca semântica com reconhecimento de palavras-chave

    Os passos a seguir criam uma coleção, inserem um documento com ambos os tipos de vetor e executam uma consulta híbrida.

    Importante

    Somente coleções configuradas com metric='dotproduct' oferecem suporte a vetores esparsos.

    Passo 1: Crie uma coleção

    import dashvector

# Replace YOUR_API_KEY with your API key (see Manage API keys).
# Replace YOUR_CLUSTER_ENDPOINT with your cluster endpoint (see the cluster details page).
client = dashvector.Client(
    api_key='YOUR_API_KEY',
    endpoint='YOUR_CLUSTER_ENDPOINT'
)

# dimension=4 is used here for simplicity.
# Set this to match your actual embedding model's output dimension.
ret = client.create('hybrid_collection', dimension=4, metric='dotproduct')

collection = client.get('hybrid_collection')
assert collection

    Passo 2: Insira um documento com vetor esparso

    from dashvector import Doc

collection.insert(Doc(
    id='A',
    vector=[0.1, 0.2, 0.3, 0.4],
    sparse_vector={1: 0.3, 10: 0.4, 100: 0.3}
))

    O campo sparse_vector mapeia os IDs das palavras-chave aos seus respectivos pesos. Utilize um codificador esparso como o DashText para gerá-los a partir do texto bruto — consulte Codificador de vetores esparsos.

    Passo 3: Consulte com ambos os tipos de vetor

    Forneça tanto um vector quanto um sparse_vector na mesma consulta. O DashVector calcula a pontuação de cada resultado somando os produtos escalares de ambos os tipos de vetor.

    docs = collection.query(
    vector=[0.1, 0.1, 0.1, 0.1],
    sparse_vector={1: 0.3, 20: 0.7}
)

    Os resultados são classificados pela pontuação combinada do produto escalar — valores mais altos indicam maior relevância.

    Codificador de vetores esparsos

    O DashText é o codificador de vetores esparsos recomendado para o DashVector. Ele converte texto bruto no formato sparse_vector demonstrado acima. Consulte o Guia de início rápido do DashText para obter instruções de configuração.

    Próximos passos