基于图的近似最近邻搜索综合综述与实验比较

近似最近邻搜索(ANNS)在众多应用中是一项重要操作，包括推荐系统、信息检索和模式识别。在过去十年中，基于图的 ANNS 算法一直是该领域的主导范式，已有数十种基于图的 ANNS 算法被提出。此类算法旨在为给定查询检索最近邻提供有效、高效的解决方案。然而，这些工作侧重于以不同方法开发和优化算法，因此确实需要对各方法的相对性能、优势与缺陷进行综合性综述。为此，我们通过一种新的分类法与细粒度流程，对 13 种代表性基于图的 ANNS 算法进行了透彻的比较分析与实验评估。我们在八个真实世界数据集和 12 个具有不同规模与特征的合成数据集上，于统一测试环境中比较了每种算法。我们的研究产生了新颖发现，提供了若干改进算法的有用原则，从而设计出一种优于最先进算法的优化方法。该工作还帮助我们精确定位算法的工作部分，并给出了关于有前景的研究方向以及面向不同领域从业者的适用算法的经验性建议。