DET-LSH：一种具有动态编码树的近似最近邻搜索局部敏感哈希方案
数据库
2026-02-11 v2
摘要
局部敏感哈希（LSH）是高维空间中近似最近邻（ANN）搜索的著名解决方案，因为它对查询精度具有稳健的理论保证。传统的基于LSH的方法主要侧重于通过设计不同的查询策略来提高查询阶段的效率和精度，但很少关注提高索引阶段的效率。它们通常微调现有的面向数据的分区树来索引数据点并支持其查询策略。然而，它们直接划分多维空间的策略耗时，并且性能随着空间维度的增加而下降。在本文中，我们设计了一种基于编码的树，称为动态编码树（DE-Tree），以提高索引效率并支持基于欧几里得距离的高效范围查询。基于DE-Tree，我们提出了一种新的LSH方案，称为DET-LSH。DET-LSH采用了一种新颖的查询策略，该策略在多个独立的索引DE-Tree中执行范围查询，以降低遗漏真实最近邻点的概率，从而提高查询精度。我们的理论研究表明，DET-LSH在查询精度上享有概率保证。在真实世界数据集上的大量实验证明了DET-LSH在效率和精度上均优于最先进的基于LSH的方法。在实现比竞争对手更好的查询精度的同时，DET-LSH在索引时间上实现了高达6倍的加速，在查询时间上实现了高达2倍的加速，优于最先进的基于LSH的方法。本文发表于PVLDB 2024。
引用
@article{arxiv.2406.10938,
title = {DET-LSH: A Locality-Sensitive Hashing Scheme with Dynamic Encoding Tree for Approximate Nearest Neighbor Search},
author = {Jiuqi Wei and Botao Peng and Xiaodong Lee and Themis Palpanas},
journal= {arXiv preprint arXiv:2406.10938},
year = {2026}
}