¿Qué es la búsqueda aproximada?

Las búsquedas aproximadas utilizan varios algoritmos y técnicas para determinar la similitud entre dos cadenas de texto: la consulta de búsqueda y la coincidencia potencial en los datos. Estos algoritmos suelen basarse en conceptos como los siguientes:

• Distancia de Levenshtein: determina el número mínimo de cambios (como inserciones, eliminaciones o sustituciones) que se necesitan para transformar una cadena en otra. Cuanto menor sea la distancia de Levenshtein, mayor será la similitud. Por ejemplo, "camino" y "racimo" tienen una distancia de Levenshtein de 3.
• Semejanza de coseno: calcula el coseno del ángulo entre dos vectores que representan las palabras o cadenas. Una similitud de coseno de 1 representa una coincidencia exacta, mientras que 0 indica que no hay similitud. Este método se suele usar para comparar documentos según su contenido de palabras.
• Algoritmos fonéticos: estas técnicas, como Soundex o Metaphone, codifican las palabras según su pronunciación. Esto ayuda a encontrar palabras que suenan igual aunque se escriban de forma distinta, como "vaca" y "baca".

Al utilizar este tipo de conceptos, los buscadores de búsqueda aproximada pueden clasificar las posibles coincidencias según su similitud con la consulta original, lo que ayuda a los usuarios a ver una serie de resultados relevantes, aunque contengan variaciones menores con respecto a los términos de búsqueda.

A medida que los conjuntos de datos crecen y las entradas de los usuarios se diversifican, la búsqueda aproximada ofrece un enfoque valioso para recuperar información de forma eficaz. Puede ayudar a salvar la brecha entre las diversas formas en que los usuarios se comunican (o buscan) y la forma en que los datos se han estructurado y almacenado. 

Estos son los motivos por los que es importante la búsqueda aproximada:

• Facilidad de uso: la búsqueda aproximada tiene en cuenta los errores tipográficos, las variaciones de las palabras y los errores ortográficos, lo que facilita a los usuarios encontrar lo que necesitan sin tener que saber la ortografía exacta de las palabras o la frase. Esto puede hacer que la experiencia de búsqueda sea más fluida y rápida.
• Mejora de la relevancia de las búsquedas: al tener en cuenta las variaciones y los sinónimos, la búsqueda aproximada devuelve un abanico más amplio de resultados relevantes que podrían haberse pasado por alto en las búsquedas de concordancia exacta.
• Mayor facilidad para descubrir datos: en conjuntos de datos grandes con posibles incoherencias o variaciones en la introducción de datos, la búsqueda aproximada ayuda a descubrir conexiones ocultas y a recuperar información relevante que se podría haber pasado por alto.

La diferencia fundamental entre la búsqueda exacta y la búsqueda aproximada radica en cómo gestionan las variaciones en los datos. Veamos las principales diferencias:

Para ilustrar sus aplicaciones prácticas, veamos algunos ejemplos de cómo la búsqueda aproximada puede ayudar a hacer coincidir la intención del usuario detrás de diferentes consultas de búsqueda con resultados de búsqueda relevantes. 

• El usuario busca: "tart de manzana"
• Resultados de la búsqueda aproximada: "tarta de manzana"

En este caso, aunque haya un error tipográfico, el algoritmo de búsqueda aproximada reconoce la intención del usuario y le muestra la receta de tarta de manzana que busca. Entiende que "tart" es probablemente un error ortográfico de "tarta" y prioriza el resultado en consecuencia.

• El usuario busca: "receta"
• Resultados de la búsqueda aproximada: "recetas"

La búsqueda aproximada gestiona las variaciones en la forma plural de las palabras. Tanto si el usuario busca la forma singular como la plural, el buscador recupera de forma inteligente los resultados que coinciden con el significado que se pretende, lo que garantiza que los usuarios encuentren recetas independientemente de su enfoque gramatical.

• El usuario busca: "ideas para comidas rápidas"
• Resultados de la búsqueda aproximada: "recetas para cenas fáciles"

La capacidad de interpretar sinónimos amplía el ámbito de búsqueda. El motor reconoce que "ideas para comidas rápidas" y "recetas para cenas fáciles" son conceptualmente similares y proporciona resultados relevantes para ambas, ampliando las posibilidades más allá de las palabras clave literales que se han usado.

• El usuario busca: "zapatillas de correr"
• Resultados de la búsqueda aproximada: "zapato correr"

Los algoritmos suelen emplear el procesamiento por lexemas, que reduce las palabras a su forma básica o raíz. De esta forma, la búsqueda puede hacer coincidir "zapatillas de correr" con "zapato correr", aunque las palabras sean gramaticalmente distintas, y así los usuarios encontrarán productos relevantes independientemente de las variaciones menores.

• El usuario busca: "EE. UU."
• Resultados de la búsqueda aproximada: "Estados Unidos de América"

El sistema gestiona eficazmente las abreviaturas y reconoce que "EE. UU." se refiere a "Estados Unidos de América". Esta función es especialmente útil en bases de datos y buscadores, donde se utilizan con frecuencia abreviaturas para ahorrar espacio.

Implementar la búsqueda aproximada suele implicar los siguientes pasos:

1. Preprocesamiento de datos: este paso implica limpiar y estandarizar los datos hasta cierto punto. Esto puede incluir convertir el texto a minúsculas, quitar la puntuación o aplicar técnicas de procesamiento por lexemas. Aunque la búsqueda aproximada es tolerante a las variaciones, el procesamiento previo básico puede mejorar su eficiencia.
2. Indexación: los datos preprocesados se indexan, a menudo con estructuras de datos especializadas, como índices invertidos o estructuras de trie. Estas estructuras permiten recuperar rápidamente las posibles coincidencias de una consulta determinada.
3. Cálculo de similitud: cuando un usuario envía una consulta, el algoritmo de búsqueda aproximada calcula los valores de similitud entre la consulta y los datos indexados. Para ello, se utilizan algoritmos como la distancia de Levenshtein, la similitud de coseno o los algoritmos fonéticos para cuantificar el grado de coincidencia.
4. Clasificación y recuperación: las coincidencias potenciales se clasifican según su puntuación de similitud, y los resultados con mejor clasificación se recuperan y se presentan al usuario.

Aunque la implementación concreta puede variar en función de la aplicación, Vertex AI de Google Cloud puede aprovechar las técnicas de búsqueda aproximada en sus flujos de trabajo de aprendizaje automático para mejorar la precisión de los modelos y gestionar datos inconsistentes o con ruido. Por ejemplo, la coincidencia aproximada puede mejorar la ingeniería de funciones agrupando puntos de datos similares o identificando y corrigiendo errores en los conjuntos de datos de entrenamiento.