Búsqueda híbrida sencilla — Una sola API. Relevancia excepcional.
Elasticsearch te ofrece todas las herramientas para agregar búsquedas híbridas mediante una única API, lo que te permite mejorar rápidamente los resultados y ajustarlos para lograr una relevancia excepcional sin necesidad de unir varios sistemas.
Las capacidades fundamentales de la búsqueda híbrida
La búsqueda híbrida es una técnica de recuperación de información que mejora la relevancia al combinar dos o más métodos de búsqueda en una sola lista clasificada.
Búsqueda híbrida con Elasticsearch
Realiza una búsqueda de cada tipo de datos en un único almacén de datos y potencia la generación aumentada de recuperación (RAG) y los agentes de IA con resultados que equilibran la precisión (con algoritmos de puntuación como BM25F) y la comprensión semántica.
¿Por qué los desarrolladores eligen Elasticsearch?
Obtén las mejores herramientas para precisión, explicabilidad y control. La búsqueda léxica sobresale en consultas estructuradas, términos raros y datos fuera del dominio. La búsqueda semántica agrega precisión y recuperación cuando las coincidencias exactas son insuficientes. Controla cómo trabajan juntos con ajuste de puntuación, filtros y potenciadores.
Búsqueda léxica
Búsqueda de vectores
Búsqueda híbrida
Utiliza la puntuación BM25F con control total sobre los pesos de los campos y los refuerzos de términos, sin necesidad de modelos.
Recupera resultados relacionados semánticamente a través de los campos dense_vector o semantic_text.
Combina los resultados mediante las opciones "reciprocal_rank_fusion" u <options> en la API de clasificación.
Ajusta la relevancia usando combined_fields, boost, fuzziness, sinónimos y analizadores.
Trae tus propias incrustaciones o utiliza la inferencia integrada con ELSER, OpenAI, etc.
Utiliza una única consulta híbrida con filtros, ponderaciones y lógica de reclasificación compartidos.
Consigue soporte nativo para filtros geo, term, range y ACL: rápido y estable a nivel escalar.
ACORN-1 permite un kNN filtrado rápido incluso en sets de datos grandes con soporte para cláusulas de filtro.
Utiliza explain, profile y el campo _rank_features para comprender cómo se puntúan los documentos.
Búsqueda léxica
Búsqueda de vectores
Búsqueda híbrida
Utiliza la puntuación BM25F con control total sobre los pesos de los campos y los refuerzos de términos, sin necesidad de modelos.
Recupera resultados relacionados semánticamente a través de los campos dense_vector o semantic_text.
Combina los resultados mediante las opciones "reciprocal_rank_fusion" u <options> en la API de clasificación.
Ajusta la relevancia usando combined_fields, boost, fuzziness, sinónimos y analizadores.
Trae tus propias incrustaciones o utiliza la inferencia integrada con ELSER, OpenAI, etc.
Utiliza una única consulta híbrida con filtros, ponderaciones y lógica de reclasificación compartidos.
Consigue soporte nativo para filtros geo, term, range y ACL: rápido y estable a nivel escalar.
ACORN-1 permite un kNN filtrado rápido incluso en sets de datos grandes con soporte para cláusulas de filtro.
Utiliza explain, profile y el campo _rank_features para comprender cómo se puntúan los documentos.
Ajusta el tamaño de tu recorrido de relevancia
Elasticsearch te ofrece control de relevancia en todos los niveles, desde la configuración cero hasta la personalización completa. Explora todo el proceso de ajuste en Elasticsearch Labs.
¿El mejor de su clase? Integrado directamente
Empieza con los modelos ELSER y Jina AI de Elastic, integrados en Elasticsearch. O conéctate a los modelos que ya usas a través de integraciones nativas en todo el ecosistema de IA.
Preguntas frecuentes
La búsqueda híbrida combina la precisión de las palabras clave (léxica) con la similitud vectorial (semántica), de modo que los usuarios obtienen resultados relevantes incluso cuando las consultas no coinciden con el texto exacto.
La búsqueda léxica es ideal para coincidencias exactas y filtros. La búsqueda vectorial entiende la intención y el significado. La búsqueda híbrida te permite usar ambas en la misma consulta, clasificando por relevancia, no solo por coincidencia.
Las consultas de recuperación combinan múltiples estrategias de búsqueda, como coincidencia, kNN o expansión de texto, en una lista de resultados clasificados mediante la fusión de clasificaciones integrada.
Sí. Elasticsearch admite filtros nativos, facetas y restricciones geográficas además de la búsqueda aproximada de vectores kNN; no se necesita recalificación ni soluciones alternativas.
Elastic utiliza técnicas de puntuación como la fusión recíproca de rango (RRF) o la ponderación convexa para combinar de manera justa las puntuaciones léxicas y vectoriales, de modo que los resultados se sientan equilibrados desde el principio.
Sí. La búsqueda híbrida es totalmente compatible con campos vectoriales, consultas de recuperación, modelos semánticos, filtros y observabilidad, todo ello de forma nativa en Elasticsearch.