多维空间学习索引综述
数据库
2024-03-12 v1 机器学习
摘要
近期的一个研究趋势是将数据库索引结构视为机器学习 (ML) 模型。在该领域，通过训练单个或多个 ML 模型来学习从键到数据集内位置的映射。这类索引被称为“学习索引”(Learned Indexes)。学习索引在一维数据上已展现出提升的搜索性能和降低的空间需求。一维学习索引的概念自然地扩展到了多维（例如空间）数据，从而推动了“多维学习索引”的发展。本综述聚焦于多维学习索引结构。具体而言，它回顾了该研究领域的现状，解释了每种提出方法背后的核心概念，并基于若干明确定义的标准对这些方法进行了分类。我们提出了一个分类体系来对每个多维学习索引进行分类，并根据该分类体系对多维学习索引的现有文献进行了综述。此外，我们给出了一个时间线以说明学习索引研究的演进。最后，我们强调了这一新兴且高度活跃领域中的若干开放挑战和未来研究方向。
引用
@article{arxiv.2403.06456,
title = {A Survey of Learned Indexes for the Multi-dimensional Space},
author = {Abdullah Al-Mamun and Hao Wu and Qiyang He and Jianguo Wang and Walid G. Aref},
journal= {arXiv preprint arXiv:2403.06456},
year = {2024}
}