Cómo busca, por palabras, por sentido y por imagen
Tres búsquedas a la vez (léxica, semántica y visual) que se funden y se reordenan; frases exactas entre comillas; una capa de grafía modernizada para el castellano antiguo y el latín, y resultados en dos tiempos.
Revisado el Esta página en Markdown
Tres caminos que se juntan
Cada consulta va a la vez por tres caminos y los resultados se funden por rango recíproco (RRF), con pesos que dependen de lo que parece que buscas:
| Camino | Qué encuentra | Cómo |
|---|---|---|
| Léxico | Las palabras que escribes, sin distinguir tildes | Índice FTS5 de SQLite con BM25; los títulos de sección y el contexto pesan menos que el texto |
| Semántico | Lo que significa la consulta, aunque el pasaje use otras palabras o esté en otra lengua | Vectores de Gemini Embedding 2 (1536 dimensiones) en Cloudflare Vectorize |
| Visual | Láminas, figuras, gráficos y fotogramas | Los mismos vectores multimodales, aplicados a las imágenes de las páginas y a las figuras |
| Si la consulta parece… | léxico | semántico | visual |
|---|---|---|---|
| una idea | 0,35 | 1 | 0 |
| una cita literal | 1 | 0,45 | 0 |
| algo que se ve | 0,35 | 0,6 | 1 |
| una pregunta por fechas | 0,35 | 1 | 0 |
Los treinta primeros candidatos los reordena un juez, Jev (de TypeSafe), que contesta para cada pasaje si responde a la consulta; la puntuación final es un 20 % la de la fusión y un 80 % la del juez. El camino visual solo pesa cuando buscas algo que se ve: medido solo, acierta poco con preguntas de texto y las empeoraba.
Frases exactas
Entre comillas («…», "…" o “…”) la frase se busca literal, sin modelo de por medio. Primero salen las coincidencias exactas y después los pasajes cercanos en sentido. Si la frase no aparece en ningún sitio, Scholaris lo dice («La frase exacta no aparece; se busca por sentido») en lugar de fingir que la encontró.
Castellano antiguo y latín
Un libro del siglo XVII escribe «dixo», «muger», «assi» o «agora»; tú buscas «dijo», «mujer», «así», «ahora». Para que se encuentren sin tocar el texto que se cita, cada pasaje lleva una sombra en grafía modernizada que solo sirve para buscar, y la consulta se reduce con las mismas reglas:
- castellano de los siglos XVI a XVIII: listas de palabras (fee → fe, agora → ahora, mesmo → mismo, truxo → trajo) y reglas fonéticas y ortográficas (b/v, c/z, g/j, h, x → j, ph, rr…);
- latín: u/v, i/j, æ/œ, michi → mihi, enclíticos -que/-ne/-ve y el lematizador de Schinke y otros (1996);
- francés e italiano antiguos: reglas básicas.
La capa se aplica al latín siempre y a las demás lenguas cuando el documento es anterior a una fecha de corte (1830 para el castellano, 1800 para el francés y el italiano) o el propio texto da señales (ſ, ç, «assi», «dixo»…). Son reglas, sin modelos. En una comedia de Lope, la exhaustividad media por consulta pasó del 32 % al 100 %; en documentos modernos, las búsquedas devuelven exactamente lo mismo que sin la capa (ver Rendimiento).
Resultados en dos tiempos
En la aplicación, la búsqueda llega en tres entregas por un canal de eventos: primero lo que encuentra el índice léxico, sin esperar al vector de la consulta; después la fusión de los tres caminos, hacia los 350 ms; y al final el orden del juez, hacia los 650 ms de mediana medidos desde casa. Lo primero que ves ya es útil y no se reordena de golpe.
Filtros
Se puede filtrar por biblioteca, documento, tipo, autor, idioma y año (desde, hasta). Algunos filtros se entienden escritos en la propia consulta: «antes de 1980», «desde 1950», el apellido de un autor de tu biblioteca. «Ir a la página 145» salta a esa página impresa.
Lo que devuelve cada resultado
El pasaje literal, su cita lista para pegar («(Foucault, 1975, p. 23)»), el localizador exacto, el ancla y un enlace que abre el lector en esa página o en ese segundo. La búsqueda nunca escribe una cita: la cita sale del ancla.
También
- Preguntar: una respuesta breve en Markdown con notas al pie; el redactor solo puede citar los pasajes que se le dan y cada nota se comprueba.
- Parecidos: pasajes y figuras parecidos a uno dado.
- En varias lenguas: la consulta traducida a las lenguas de tu biblioteca.
- Bibliotecas que sigues: buscar a la vez en las tuyas y en las que otros comparten contigo.