Una introducción a la relevancia de búsqueda
Traducido con IA. Verificado por personas en inglés. Cómo hacemos los libros
Traducido del libro en inglés, edición 2026.11.10. Lee el original
Cómo los motores de búsqueda encuentran y ordenan los resultados, y cómo medir si un cambio ayuda: recuperación léxica, semántica e híbrida, reordenamiento con modelos aprendidos y LLM, y juicios de personas y LLM, sobre un catálogo de productos real.
Para quién es Para lectores que se manejan con soltura en Python, pandas y NumPy y que se inician en la búsqueda: un científico de datos o un ingeniero al que se le pide mejorar un cuadro de búsqueda, o construir un sistema de recuperación para una aplicación de LLM.
Lee en Kindle o en cualquier lector electrónico
El EPUB también funciona en Apple Books, Kobo y en la mayoría de los lectores electrónicos.
Enviar a Kindle
Envía el EPUB de esta edición en Español.
-
Aprueba nuestra dirección
Amazon entrega a un Kindle solo los archivos enviados desde direcciones que hayas aprobado, una vez por cada servicio que le envíe un correo. Añade la nuestra a tu lista de direcciones aprobadas para documentos personales por correo electrónico.
books@rollingedition.comAbre la configuración de documentos personales de Amazon. En Amazon, se encuentra en Gestionar tu contenido y dispositivos, Preferencias, Configuración de documentos personales.
Enviado. Aparecerá en tu biblioteca de Kindle en unos minutos.
Si no llega, casi siempre se debe a la aprobación del paso 1: comprueba que books@rollingedition.com esté en tu lista de direcciones aprobadas para documentos personales por correo electrónico.
Cada nueva edición de tus libros guardados también se enviará a tu Kindle.
Esa no es una dirección de Kindle. Debe terminar en @kindle.com: encuéntrala en la configuración de documentos personales de Amazon.
Hoy has enviado {count} libros, que es el máximo que enviamos para una cuenta en un día. Inténtalo de nuevo mañana.
Hoy hemos enviado todos los libros que podemos. Inténtalo de nuevo mañana.
El libro no se envió. Inténtalo de nuevo en unos minutos.
Esta edición es demasiado grande para enviarla por correo electrónico.
Enviar a Kindle viene incluido con Labs.
Esa no es una dirección de Kindle. Debe terminar en @kindle.com: encuéntrala en la configuración de documentos personales de Amazon.
El libro no se envió. Inténtalo de nuevo en unos minutos.
O descarga el EPUB y suéltalo en la página de Enviar a Kindle de Amazon.
Kindle is a trademark of Amazon.com, Inc.
Contenido
11 capítulos, unos 6 horas 44 minutos de lectura, con 132 ejemplos.
-
1Búsqueda, de principio a fin
Al terminar este capítulo podrás construir una canalización de búsqueda aproximada pero completa para un catálogo de productos, desde la consulta de un comprador hasta una lista ordenada de productos, y medir con un solo número si un cambio en esa canalización la mejora.
-
2Qué significa la relevancia
Al terminar este capítulo podrás leer con espíritu crítico un conjunto de juicios de relevancia: explicar qué afirma cada calificación sobre un producto, averiguar de dónde provienen los juicios y dónde tienen huecos, y decidir cuánto confiar en una puntuación calculada a partir de ellos.
-
3Medir la búsqueda
Al final de este capítulo podrás calcular desde cero las métricas estándar de ranking, compararlas con scikit-learn, elegir una antes de comparar rankers y decidir si la diferencia entre dos rankers en tus consultas de prueba está comprobada o podría deberse al azar.
-
4Juicios de personas y de LLM
Al final de este capítulo podrás escribir pautas de juicio, medir qué tan de acuerdo están dos jueces con kappa y kappa ponderada, leer los errores de un juez LLM en una matriz de confusión y decidir dónde los juicios de un LLM pueden sustituir a los de personas y dónde no pueden.
-
5Recuperación léxica
Al final de este capítulo podrás construir una búsqueda léxica desde cero: convertir el texto de los productos en términos, indexar los términos y puntuar los productos con TF-IDF y BM25, coincidiendo puntuación por puntuación con la biblioteca bm25s.
-
6Recuperación semántica
Al final de este capítulo podrás construir una recuperación semántica para un catálogo a partir de embeddings almacenados: comparar vectores por similitud coseno, encontrar exactamente los productos más cercanos a una consulta con NumPy, cambiar a un índice aproximado cuando un catálogo crece demasiado para la búsqueda exacta y medir lo que el índice se pierde, y encontrar las consultas en las que los embeddings fallan.
-
7Recuperación híbrida
Al final de este capítulo podrás combinar un ranking léxico y un ranking semántico en uno solo, ya sea sumando puntuaciones normalizadas o mediante fusión recíproca de rangos, ajustar cuánto cuenta cada ranking con las consultas de entrenamiento, y decidir con una prueba pareada sobre las consultas de prueba si la combinación supera al mejor de sus dos componentes.
-
8Comprender las consultas
Al final de este capítulo podrás cambiar la consulta de un comprador antes de la recuperación: corregir su ortografía, escribir sus unidades de una sola forma, ampliarla con sinónimos, predecir su clase de producto, reescribirla con un modelo de lenguaje grande, buscar con un producto que el modelo imagina y convertir una consulta de seguimiento en una consulta independiente.
-
9Ranking
Al final de este capítulo podrás describir cada producto que devuelve la recuperación con sus características, entrenar un modelo de aprendizaje para ordenar con lightgbm a partir de tus propios juicios, reordenar la parte superior de la lista con un cross-encoder o con un LLM, medir el sesgo posicional de un reordenador basado en LLM, fijar la profundidad de reordenamiento contando sus costes y destilar un reordenador lento en uno rápido.
-
10Recuperación para aplicaciones con LLM
Al final de este capítulo podrás medir la recuperación que sustenta a un LLM que responde a partir de ella: puntuar una respuesta según los productos que cita, comprobar cada cita frente a lo que devolvió la recuperación, medir los productos que lee el LLM, elegir qué indexar como una unidad recuperable y leer las búsquedas de un agente a partir del registro de sus llamadas a herramientas.
-
11Pruebas de los cambios
Al final de este capítulo podrás decidir si un cambio en la búsqueda debe pasar a producción: comparar los resultados de dos sistemas de ranking consulta por consulta, evitar que tus consultas de prueba favorezcan un cambio, calcular el tamaño de una prueba A/B y comparar dos sistemas de ranking mediante el entrelazado de sus resultados.