Dense retrieval
Aussi : récupération dense
Récupération de documents par comparaison d’embeddings, la requête et les passages étant encodés séparément en vecteurs denses.
Le terme vient de la recherche en question-réponse. L’article de Karpukhin et ses coauteurs, en 2020, a montré qu’un double encodeur — un pour la question, un pour les passages — pouvait à lui seul tenir le rôle jusque-là dévolu aux modèles creux de type TF-IDF ou BM25. « Dense » s’oppose à « sparse » : chaque dimension du vecteur porte une valeur, au lieu d’un vecteur presque vide indexé sur le vocabulaire.
Dans la pratique, le mot désigne la moitié sémantique d’une chaîne de récupération et se confond avec la recherche vectorielle. L’unité indexée est le passage, pas la page : c’est lui qui est encodé, comparé et ramené. Ce cadre est celui des systèmes RAG ; les moteurs grand public ne documentent pas en détail la part qu’ils lui donnent.
Source Karpukhin et al. — Dense Passage Retrieval for Open-Domain Question Answering (arXiv 2004.04906)