通用且实用的现成图索引调优方法：东京大学团队 SISAP 索引挑战赛报告
信息检索
2023-09-04 v1 计算机视觉与模式识别
数据库
摘要
尽管基于图的算法在近似最近邻（ANN）搜索中十分有效，此类系统的最优调优方法仍不明确。本研究提出了一种调优现成图索引性能的方法，重点关注向量维度、数据库规模以及图遍历的入口点。我们利用黑盒优化算法进行集成调优，以满足所需的召回率与每秒查询数（QPS）水平。我们将该方法应用于 SISAP 2023 索引挑战赛的任务 A，并在 10M 和 30M 赛道中获得第二名。相比暴力搜索方法，其性能有显著提升。本研究为图索引提供了一种普遍适用的调优方法，其适用范围超越了竞赛的特定条件，可拓展至更广泛的使用场景。
引用
@article{arxiv.2309.00472,
title = {General and Practical Tuning Method for Off-the-Shelf Graph-Based Index: SISAP Indexing Challenge Report by Team UTokyo},
author = {Yutaro Oguri and Yusuke Matsui},
journal= {arXiv preprint arXiv:2309.00472},
year = {2023}
}
备注
Accepted paper on 2nd place solution of SISAP 2023 Indexing Challenge Task A