Arquitetura para busca vetorial em sistemas de busca em artigos científicos

Abstract

Este trabalho propôs o desenvolvimento de uma arquitetura de software voltada à busca vetorial, utilizando modelos de linguagem baseados em embeddings contextuais. O objetivo foi proporcionar uma estrutura escalável, precisa e de baixo tempo de resposta para sistemas que realizam consultas em grandes volumes de dados, como repositórios de artigos científicos e blogs especializados. A pesquisa envolveu a investigação de técnicas modernas de representação vetorial, a definição de uma arquitetura distribuída com uso de cache e balanceamento de carga, bem como a implementação e validação da solução em ambiente controlado. Os resultados demonstraram melhorias notáveis em desempenho e precisão, com um tempo médio de resposta entre 15 e 39 milissegundos para consultas completas, contribuindo com soluções práticas para sistemas de busca semântica.

This work proposes the development of a software architecture designed for vector-based search using language models built on contextual embeddings. The goal was to provide a scalable, accurate, and low-latency structure suitable for systems that perform queries over large datasets, such as scientific article repositories and specialized blogs. The research involved investigating modern techniques for vector representation, defining a distributed architecture with caching and load balancing, and implementing and validating the solution in a controlled environment. The results demonstrated notable improvements in both performance and accuracy, with average response times ranging from 15 to 39 milliseconds for complete queries. These findings contribute practical solutions for semantic search systems.