Auditor de Controle Externo - Área Administrativa - Ciência de Dados
Com o aumento do volume e da complexidade dos dados gerados em sistemas de informação atuais, cresce a necessidade de eficiência no armazenamento, segurança, recuperação de dados e disponibilidade.Nesse contexto, o algoritmo HNSW (Hierarchical Navigable Small World) busca, ao ser aplicado em bases de dados de vetores,
Acompactar dados para economizar espaço de armazenamento.
Bbuscar vetores semelhantes para acelerar a recuperação de informações.
Ccriptografar dados garantindo a segurança das informações.
Dorganizar dados em uma hierarquia de diretórios para facilitar o acesso.
Ereplicar dados em diferentes locais para alta disponibilidade.
Revelar gabarito e comentário▾
GabaritoB — buscar vetores semelhantes para acelerar a recuperação de informações.
Comentário gerado por IA. É um apoio ao estudo, ancorado em fontes, mas pode conter imprecisões — confira sempre na fonte oficial (lei, súmula, edital e gabarito da banca). Encontrou um erro? Use “Reportar”.
Hierarchical Navigable Small World (HNSW)
Gabarito: letra B. O HNSW (Hierarchical Navigable Small World) é um algoritmo de indexação projetado para realizar busca aproximada dos vizinhos mais próximos em espaços vetoriais de alta dimensão. Em vez de compactar, criptografar ou replicar dados, ele constrói uma estrutura hierárquica de grafos que permite encontrar rapidamente vetores semelhantes a uma consulta, acelerando significativamente a recuperação de informações em bases de dados vetoriais.
A banca testa o conhecimento sobre a finalidade principal do HNSW, que é puramente de recuperação eficiente por similaridade.
Algoritmo
Função Principal
Aplicação Típica
Relação com HNSW
HNSW
Busca aproximada de vizinhos mais próximos (ANN)
Recuperação eficiente por similaridade em bases vetoriais
Alvo da questão
Compactação
Reduzir tamanho dos dados
Economia de armazenamento
Não é função do HNSW
Criptografia
Garantir segurança das informações
Proteção de dados
Não é função do HNSW
Organização em diretórios
Estruturar armazenamento em sistemas de arquivos
Facilitação de acesso
Não é função do HNSW
Replicação
Tolerância a falhas e alta disponibilidade
Distribuição de dados
Não é função do HNSW
Alternativa A — ❌ Incorreta
Compactação de dados não é objetivo do HNSW. Esse algoritmo não reduz o tamanho dos vetores; ele organiza referências para busca rápida. Compactação é um processo distinto, usado para economizar armazenamento, mas não faz parte do escopo do HNSW.
Alternativa B — ✅ Correta ⟵ GABARITO
O HNSW busca vetores semelhantes para acelerar a recuperação de informações. Ele utiliza uma hierarquia de grafos small world para percorrer o espaço vetorial e encontrar itens próximos a um vetor de consulta com complexidade sublinear, sendo amplamente empregado em sistemas de recomendação, motores de busca semântica e bancos de dados vetoriais.
Alternativa C — ❌ Incorreta
Criptografia é uma técnica de segurança, não de indexação. O HNSW não realiza qualquer operação de cifragem; seu único propósito é a busca eficiente por similaridade.
Alternativa D — ❌ Incorreta
Organizar dados em uma hierarquia de diretórios é uma estratégia de armazenamento em sistemas de arquivos, não guarda relação com o algoritmo HNSW, que organiza vetores em uma estrutura de grafo hierárquico.
Alternativa E — ❌ Incorreta
Replicação para alta disponibilidade é um mecanismo de tolerância a falhas ou distribuição, não é função do HNSW. A replicação pode ser aplicada sobre qualquer base, independentemente do método de indexação.
PEGA ESSA DICA!
O HNSW é um dos algoritmos mais populares para approximate nearest neighbor (ANN) em bancos de dados vetoriais. Estude também o IVF (Inverted File Index) e o PQ (Product Quantization) para entender o ecossistema de indexação vetorial.