O que é este sistema
Módulo experimental de consulta por Inteligência Artificial ao acervo de Recortes de Jornais da Reitoria da UFBA — 12.583 recortes produzidos pelo “Serviço de Recortes” do Gabinete da Reitoria entre as décadas de 1980 e 1990, digitalizados por OCR e estruturados em 29.052 notícias (nível de artigo).
A técnica aplicada é RAG (Retrieval-Augmented Generation): a pergunta recupera
os recortes mais relevantes e o modelo de linguagem redige a resposta apenas a partir
deles, com citação obrigatória no formato [recorte:artigo]. Se o acervo não cobre
o tema, o sistema responde “Não consta no acervo” — sem fabricar conteúdo.
Busca híbrida
BM25 lexical
Recuperação por palavras-chave ponderadas (rank_bm25), sensível a termos exatos do acervo.
Vetorial semântica
Qwen3-Embedding-8B (4096 dimensões) na A100 do CMCAD/UFBA; captura paráfrases e sinonímia.
Fusão RRF
Reciprocal Rank Fusion (k=60) combina os dois rankings numa única lista estável.
Geração com citação
Qwen3.5 Cloud (Ollama) com temperatura 0; cada afirmação citada é rastreável ao recorte original.
Fidelidade documental
- O texto exibido é o OCR estruturado do recorte; erros de OCR refletem a fonte original (~7% de entidades não-literais).
- Nenhum documento é alterado pelo sistema; a coleção física é custodiada pelo Centro de Estudos Baianos (SIBI/UFBA).
- Entidades (pessoas, órgãos, lugares e temas) são sugestões semânticas, não filtros literais.
Stack e boas práticas
- Backend: FastAPI + BM25 (rank_bm25) + FAISS IndexFlatIP + RRF
- Geração: Qwen3.5 Cloud via Ollama (API chat, abstinência honesta; fallback GPT-OSS-120B)
- Frontend: Bulma 1.0 + Tipografia editorial (Playfair Display / EB Garamond / Plus Jakarta Sans)
- Boas práticas de IA em acervos: UVA AAIP v1.1 (DOI: 10.18130/5dqf-9w86) — citação obrigatória e abstinência honesta
Versões
- versão pública (v1, Gradio): recortes.farinha.info
- v2 (esta): busca híbrida completa, interface editorial e citações navegáveis