introducción

Pipelines de Búsqueda Krixik

🇺🇸 English version of this document

Introducción a Pipelines de Búsqueda

Los pipelines de búsqueda son aquellos que habilitan funciones de búsqueda sobre documentos textuales.

Dos tipos de búsqueda pueden actualmente ser habilitados en Krixik: búsqueda semántica y búsqueda por palabras clave. Dependiendo de cuál de estos quieras usar, el último módulo del pipeline debe respectivamente ser vector-db (base de datos vectorial) o keyword-db (base de datos de palabras clave).

Los pipelines de búsqueda son más complejos que otros pipelines porque usarlos requiere un paso adicional.

• Primero se deben "cargar" archivos en el pipeline con el método process.

• Los métodos keyword_search (búsqueda por palabras clave) y semantic_search (búsqueda semántica) pueden ser invocados sobre un pipeline de búsqueda una vez uno o más archivos se han procesado a través de él. Ten en cuenta que el método keyword_search solamente se puede invocar sobre un pipeline que termina con el módulo keyword-db y el método semantic_search solo puede ser invocado sobre un pipeline que termina con el módulo text-embedder seguido del módulo vector-db.

Ejemplos de Pipelines de Búsqueda

• Búsqueda Semántica Básica: Habilita búsqueda semántica sobre entradas que son archivos de texto.

• Búsqueda Semántica Sobre Fragmentos: Habilita búsqueda semántica sobre fragmentos de texto en entradas JSON.

• Búsqueda por Palabras Clave Básica: Habilita búsqueda por palabras clave sobre entradas que son archivos de texto.

• Búsqueda Semántica Sobre Transcripción: Transcribe entradas que son archivos audio y luego habilita búsqueda semántica sobre la transcripción.

• Búsqueda por Palabras Clave Sobre Transcripción: Transcribe entradas que son archivos audio y luego habilita búsqueda por palabras clave sobre la transcripción.

• Búsqueda Semántica Sobre Traducción: Traduce entradas que son archivos de texto y luego habilita búsqueda semántica sobre la traducción.

• Búsqueda Semántica Sobre Transcripción Traducida: Transcribe entradas que son archivos audio, traduce la transcripción a otro idioma y luego habilita búsqueda semántica sobre la traducción.

• Búsqueda Semántica Sobre ROC (OCR): Extrae texto de entradas que son imágenes y luego habilita búsqueda semántica sobre el texto extraído.

• Búsqueda por Palabras Clave Sobre Leyendas de Imagen: Genera leyendas de entradas que son imágenes y luego habilita búsqueda por palabras clave sobre las leyendas.