Year: 2025
Type: article
Abstract: La Recuperación de Información sobre colecciones de millones de documentos es una tarea computacionalmente intensiva. La aparición de representaciones densas (embeddings) posibilita construir vectores de centenas de dimensiones, convirtiendo al problema de resolver una consulta en una búsqueda de vectores más cercanos. Como es razonable considerar que no todas las dimensiones de estos embeddings son igualmente importantes, se propone rankear la importancia de las mismas para facilitar su poda seg´ún un requerimiento de efectividad objetivo. En este trabajo se evalúan diversos métodos para la poda. A partir de modelos ampliamente utilizados para generar embeddings y una colección de documentos y consultas de referencia en la comunidad, los experimentos muestran que es posible reducir el tamaño de los vectores hasta un 50% manteniendo hasta un 90% de efectividad, mejorando así la eficiencia.
Institution: National University of Luján
Language: Spanish
Subfield: Information Systems
Field: Computer Science
Domain: Physical Sciences
Open Access status: diamond
OpenAlex ID: W7130487243