增强 HNSW 指数以实现实时更新：解决不可达点问题及性能退化
信息检索
2024-07-16 v2
摘要
近似最近邻搜索（ANNS）是数据挖掘和信息检索中的基本且关键组件，图基方法在性能上优于其他方法。广泛的研究努力致力于通过开发各种图基索引来提高搜索效率，例如 HNSW（层次可导航小世界）。然而，当面对大量实时删除、插入和更新操作时，HNSW 和大多数图基索引的性能将变得不可接受。此外，在更新操作期间，HNSW 可能导致一些数据点变得不可达，我们将这种情况称为“不可达点现象”。这种现象在某些情况下可能显著影响图的搜索准确性。为解决这些问题，我们提出了高效措施来克服 HNSW 的不足，具体解决长时间删除和更新操作中的性能下降问题，并解决不可达点现象引起的问题。我们提出的 MN-RU 算法有效地提高了更新效率并抑制了不可达点的增长速度，确保更好的整体性能并保持图的完整性。我们的结果表明，我们的方法优于现有方法。此外，由于我们的方法基于 HNSW，因此可以轻松集成到工业领域广泛使用的现有索引中，使其在未来实际应用中具有实用性。代码可在 \url{https://github.com/xwt1/MN-RU.git} 获取。
引用
@article{arxiv.2407.07871,
title = {Enhancing HNSW Index for Real-Time Updates: Addressing Unreachable Points and Performance Degradation},
author = {Wentao Xiao and Yueyang Zhan and Rui Xi and Mengshu Hou and Jianming Liao},
journal= {arXiv preprint arXiv:2407.07871},
year = {2024}
}