面向可证准确性的基于图的最近邻搜索的距离自适应束搜索
信息检索
2025-05-22 v1 数据库
数据结构与算法
机器学习
摘要
最近邻搜索是机器学习、信息检索和数据库中的核心问题。对于高维数据集，基于图的方法（如 HNSW、DiskANN、NSG）因其实用性和效率而流行。这些方法在数据集上构建有向图，并在图上执行束搜索以查找靠近给定查询的节点。尽管已有大量工作致力于实用改进和图基方法的理论理解，但许多问题仍悬而未决。我们提出了一种基于距离的束搜索终止条件，以取代常用的基于束宽度的终止条件。我们证明，只要搜索图是可导航的，我们提出的自适应束搜索方法即可在大致上解决最近邻问题，从而在可导航性和图基搜索性能之间建立了联系。我们还对新终止条件在可导航图和实际中使用的近似可导航图（如 HNSW 和 Vamana 图）上进行了广泛实验。我们发现，自适应束搜索在召回率、数据集、图构建和目标最近邻数量等一系列参数下均优于标准束搜索。因此，它为改进流行方法提供了一种简单且实用的办法。
引用
@article{arxiv.2505.15636,
title = {Distance Adaptive Beam Search for Provably Accurate Graph-Based Nearest Neighbor Search},
author = {Yousef Al-Jazzazi and Haya Diwan and Jinrui Gou and Cameron Musco and Christopher Musco and Torsten Suel},
journal= {arXiv preprint arXiv:2505.15636},
year = {2025}
}