Estratégias De Indexação No Postgresql Para Busca Textual E Semântica: Um Estudo Experimental Sobre Um Acervo Jurídico Parcialmente Vetorizado
Year: 2026
Type: article
Abstract: Este estudo comparou experimentalmente estratégias de indexação do PostgreSQL para busca textual e semântica em um cenário de adoção incremental de embeddings. Foram avaliados os índices GIN e GiST sobre a representação tsvector, o índice GIN de trigramas da extensão pg_trgm e o índice IVFFlat da extensão pgvector, todos aplicados ao mesmo corpus, à mesma infraestrutura e ao mesmo conjunto de consultas. O corpus reuniu 67.755 íntegras de decisões do Superior Tribunal de Justiça, das quais 9.994 (14,75%) foram convertidas em vetores de 384 dimensões por um modelo multilíngue de código aberto executado localmente. A abordagem foi quantitativa e experimental, medindo tempo de construção, espaço ocupado em disco, tempo de resposta das consultas e planos de execução. Os resultados indicaram que, na busca textual, GIN e GiST apresentaram tempos de consulta praticamente equivalentes, mas o GiST construiu-se em cerca de um terço do tempo do GIN e ocupou aproximadamente seis vezes menos espaço em disco. A busca por trigramas concentrou os maiores custos, enquanto o IVFFlat apresentou baixo custo de construção e resposta rápida, com a ressalva da cobertura vetorial parcial. Também se constatou a inviabilidade do índice GiST de trigramas sobre documentos extensos, em razão do limite de 8.191 bytes por linha de índice. Conclui-se que a escolha da estratégia depende do equilíbrio entre desempenho de consulta, custo de construção, armazenamento e qualidade da recuperação, sendo propostas diretrizes para apoiar a transição da busca lexical para a semântica.
Source: Aracê.
Language: Portuguese
Subfield: Information Systems
Field: Computer Science
Domain: Physical Sciences
Open Access status: bronze
OpenAlex ID: W7225777946
