Semantic Search RAG

# Descripción

Sistema completo de búsqueda semántica y Retrieval Augmented Generation (RAG) construido con Sentence Transformers, FAISS y FLAN-T5. El pipeline carga 500 artículos reales de BBC News (Junio 2025), genera embeddings de 384 dimensiones con all-MiniLM-L6-v2, indexa los vectores en FAISS (IndexFlatIP + IndexIVFFlat), y permite búsqueda semántica por similitud coseno. Incluye un pipeline RAG completo que recupera los documentos más relevantes y los usa como contexto para que FLAN-T5-small genere respuestas precisas. Se comparan TF-IDF vs embeddings semánticos (0% solapamiento en Top-5), se visualizan los embeddings con PCA y t-SNE, y se analiza la distribución de similitud entre categorías.

$ ./deploy.sh $ git clone

# Características principales

$ Embeddings semánticos con Sentence-BERT (all-MiniLM-L6-v2, 384 dimensiones)

$ Indexación FAISS: búsqueda exacta (FlatIP) y aproximada (IVFFlat) con speedup 1.9x

$ Pipeline RAG completo: retrieve (FAISS) → augment (contexto) → generate (FLAN-T5)

$ Búsqueda semántica funcional: consultas por significado, no solo palabras exactas

$ Comparativa TF-IDF vs Embeddings Semánticos con visualización de solapamiento

$ 5 visualizaciones: PCA, t-SNE, heatmap de categorías, distribución de scores, comparación

$ Dataset real: 500 artículos BBC News con 70+ categorías

# Galería

Vista escritorio

Vista móvil

# Tecnologías utilizadas

Python Transformers FAISS scikit-learn