一种用于最大内积搜索的赌博机方法
机器学习
2018-12-18 v1 机器学习
摘要
关于最大内积搜索(MIPS)的次线性时间近似算法已有大量研究。为实现快速查询,最先进的技术需要大量预处理,当后续查询数量不足以分摊成本时,这会成为负担。此外,现有方法无法直接以理论保证控制其近似结果的次优性。本文提出首个不需要任何预处理的 MIPS 近似算法,并允许用户控制与界定结果的次优性。我们将 MIPS 建模为最佳臂辨识问题,并引入一种能够充分利用 MIPS 特殊结构的新型赌博机设定。我们的方法在合成与真实世界数据集上均优于最先进的方法。
引用
@article{arxiv.1812.06360,
title = {A Bandit Approach to Maximum Inner Product Search},
author = {Rui Liu and Tianyi Wu and Barzan Mozafari},
journal= {arXiv preprint arXiv:1812.06360},
year = {2018}
}
备注
AAAI 2019