Busca híbrida simplificada — Uma API. Relevância excepcional.
O Elasticsearch oferece todas as ferramentas para adicionar buscar híbrida por meio de uma única API, para que você possa melhorar os resultados e ajustar para uma relevância excepcional sem precisar integrar múltiplos sistemas.
As principais funcionalidades da busca híbrida
A busca híbrida é uma técnica de recuperação de informação que melhora a relevância ao combinar dois ou mais métodos de busca em uma única lista classificada.
Busca híbrida com o Elasticsearch
Busque todos os tipos de dados em um único repositório e potencialize a retrieval-augmented generation (RAG) e agentes de IA com resultados que equilibram precisão (com algoritmos de pontuação como BM25F) e compreensão semântica.
Por que os desenvolvedores escolhem o Elasticsearch
Tenha as melhores ferramentas para precisão, explicabilidade e controle. A busca lexical se destaca em consultas estruturadas, termos raros e dados fora do domínio. A busca semântica adiciona flexibilidade e abrangência quando as correspondências exatas não são suficientes. Controle a forma como elas trabalham juntas ajustando a pontuação, os filtros e os reforços.
Busca lexical
Busca vetorial
Busca híbrida
Use a pontuação BM25F com controle total sobre os pesos do campo e os aumentos de termo, não é necessário um modelo.
Recupere resultados semanticamente relacionados por meio de campos dense_vector ou semantic_text.
Combine os resultados através de reciprocal_rank_fusion ou <options> na API de classificação .
Ajuste a relevância usando combined_fields, boost, fuzziness, synonyms e analyzers.
Traga seus próprios embeddings ou use inferência integrada com ELSER, OpenAI, etc.
Use uma única consulta híbrida com filtros, pesos e lógica de reclassificação compartilhados.
Tenha suporte nativo para filtros geográficos, de termo, de intervalo e ACL, rápido e estável em grande escala.
O ACORN-1 permite kNN filtrado rápido mesmo em grandes conjuntos de dados com suporte a cláusulas de filtro.
Use explain, profile e o campo _rank_features para entender como os documentos são avaliados.
Busca lexical
Busca vetorial
Busca híbrida
Use a pontuação BM25F com controle total sobre os pesos do campo e os aumentos de termo, não é necessário um modelo.
Recupere resultados semanticamente relacionados por meio de campos dense_vector ou semantic_text.
Combine os resultados através de reciprocal_rank_fusion ou <options> na API de classificação .
Ajuste a relevância usando combined_fields, boost, fuzziness, synonyms e analyzers.
Traga seus próprios embeddings ou use inferência integrada com ELSER, OpenAI, etc.
Use uma única consulta híbrida com filtros, pesos e lógica de reclassificação compartilhados.
Tenha suporte nativo para filtros geográficos, de termo, de intervalo e ACL, rápido e estável em grande escala.
O ACORN-1 permite kNN filtrado rápido mesmo em grandes conjuntos de dados com suporte a cláusulas de filtro.
Use explain, profile e o campo _rank_features para entender como os documentos são avaliados.
Dimensione sua jornada de relevância
O Elasticsearch oferece controle de relevância em todos os níveis, desde zero-configuração até personalização total. Explore a jornada completa de ajuste no Elasticsearch Labs.
O melhor da categoria? Integrado diretamente
Comece com os modelos ELSER e Jina AI da Elastic, integrados ao Elasticsearch. Ou conecte-se aos modelos que você já usa por meio de integrações nativas em todo o ecossistema de IA.
Perguntas frequentes
A busca híbrida combina a precisão das palavras-chave (lexical) com a similaridade vetorial (semântica), permitindo que os usuários tenham resultados relevantes mesmo quando as consultas não correspondem exatamente ao texto.
A busca lexical é ideal para correspondências exatas e filtros. A busca vetorial compreende a intenção e o significado. A busca híbrida permite usar ambas na mesma consulta, classificando por relevância, não apenas por correspondência.
As consultas de recuperação combinam várias estratégias de pesquisa como: correspondência, kNN ou expansão de texto em uma lista de resultados classificados usando a fusão de classificação integrada.
Sim. O Elasticsearch oferece suporte a filtros nativos, facetas e restrições geográficas, além da busca vetorial kNN aproximada, sem necessidade de reavaliação nem soluções alternativas.
A Elastic usa técnicas de pontuação como a fusão de classificação recíproca (RRF) ou a ponderação convexa para combinar de forma justa as pontuações lexicais e vetoriais, de modo que os resultados pareçam equilibrados desde o início.
Sim. A busca híbrida é compatível com campos vetoriais, consultas de recuperação, modelos semânticos, filtros e observabilidade, tudo nativo no Elasticsearch.