Búsqueda híbrida

¿Por qué híbrida?

BM25 y los embeddings son complementarios, no excluyentes:

• BM25 acierta cuando la consulta tiene palabras concretas que existen en el catálogo: códigos, SKUs, marcas, modelos exactos.
• Vectores aciertan cuando la consulta es ambigua, en lenguaje natural, con sinónimos o errores tipográficos.

Usar solo uno deja casos sin cubrir. La búsqueda híbrida ejecuta ambos en paralelo y combina los resultados.

Cómo se combinan los rankings

Hay tres enfoques principales:

1. Reciprocal Rank Fusion (RRF): combina rankings sin necesidad de calibrar pesos. Para cada documento, score = Σ 1/(k + rank_i). Robusto y simple.
2. Convex combination: score = α × score_BM25 + (1-α) × score_vector. Requiere normalizar scores y calibrar α.
3. Cross-encoder re-ranking: los top-k de cada motor se re-evaluan con un modelo cross-encoder (BERT, ColBERT) que produce el orden final. Mayor precisión, mayor coste.

APPROSEARCH usa RRF como base + re-ranking con cross-encoder en el top-50 cuando el plan lo permite.

Pesos dinámicos por consulta

Una mejora reciente es ajustar los pesos según la naturaleza de la consulta:

• Si la query parece un código (números + letras): subir peso BM25.
• Si la query es lenguaje natural largo: subir peso vector.
• Si la query tiene errores tipográficos: subir tolerancia y peso vector.

Esto se decide con un clasificador ligero antes de ejecutar la búsqueda.

Búsqueda híbrida en APPROSEARCH

Plan Growth (59 €/mes) y superiores incluyen búsqueda híbrida con RRF + pesos dinámicos. Plan Scale (89 €/mes) añade re-ranking cross-encoder en el top-50. Plan Enterprise permite cross-encoders fine-tuneados sobre tu catálogo.

Lecturas recomendadas

• Lin et al. (2021). Pyserini: A Python Toolkit for Reproducible IR Research with Sparse and Dense Representations.
• Elastic blog: Hybrid retrieval.
• /glosario/bm25/ y /glosario/busqueda-semantica/ explican los dos motores que se combinan.

---

Última actualización: 2026-05-25