El artículo parte de una observación conocida y molesta: la medida de similitud que usan casi todos los buscadores por significado no distingue la polaridad. Las representaciones de una frase y de su negación quedan muy cerca, porque comparten casi todas las palabras y el tema. El autor propone representar cada texto como una onda, con una amplitud y una fase, y medir la similitud por interferencia, de modo que una negación quede en oposición en lugar de al lado.
Qué saqué de él
El problema, que en documentos de empresa no es teórico. Un reglamento dice qué está permitido y qué no con las mismas palabras; un contrato dice que algo aplica salvo en tal caso. Un buscador que confunde la afirmación con su excepción devuelve el párrafo correcto con el sentido invertido, y la respuesta suena perfectamente razonable.
Lo que cambió en mi forma de trabajar no es la técnica sino la prueba: el conjunto con el que evalúo una búsqueda sobre documentos ahora incluye, a propósito, pares donde lo único que cambia es una negación o una excepción. Si el sistema devuelve lo mismo para los dos, no está listo, por buenos que sean los demás números.
Qué dejé fuera
La propuesta, por ahora. Es un preprint de un solo autor, evaluado sobre datos sintéticos y un conjunto muy pequeño de términos, con una implementación propia que recorre todo el conjunto sin índice. Y hay una circularidad que el artículo no disimula del todo: las fases que hacen posible distinguir la negación se asignan por procedimiento, así que el experimento contiene parte de su propia respuesta. Que una medida gane por goleada contra la alternativa en una prueba diseñada por quien la propone es, justamente, el momento de desconfiar.