通过邻域图上的局部搜索方法实现可扩展的最近邻搜索问题求解
数据结构与算法
2021-06-30 v4 信息检索
摘要
近邻搜索（NNS）是一种强大的数据访问抽象；然而，即使对于近似索引，数据索引构建也颇为棘手。对于本质高维数据，高质量快速搜索要求索引要么占用不切实际的大内存，要么需要漫长的预处理时间。本文中，我们引入一种算法，通过最小化由查询到数据库中每个对象的距离所定义的核函数来求解最近邻查询。该最小化过程使用元启发式方法以快速求解问题；尽管文献中有些方法在背后使用了这一策略，但我们的方法是首次明确运用它。我们还提供了两种在图构建阶段选择边的方法，可同时限制内存占用并减少自由参数数量。我们通过合成数据集和真实数据集，与最先进的索引方法进行了全面的实验比较；我们发现，我们的贡献在几乎所有基准测试中，在速度、准确性和内存方面都取得了具有竞争力的性能。
引用
@article{arxiv.1705.10351,
title = {A scalable solution to the nearest neighbor search problem through local-search methods on neighbor graphs},
author = {Eric S. Tellez and Guillermo Ruiz and Edgar Chavez and Mario Graff},
journal= {arXiv preprint arXiv:1705.10351},
year = {2021}
}