HQANN：面向结构化与非结构化约束混合查询的高效鲁棒相似性搜索
数据库
2022-07-19 v1 信息检索
摘要
内存近似最近邻搜索（ANNS）算法在快速高召回查询处理方面取得了巨大成功，但在处理带有非结构化（即特征向量）与结构化（即相关属性）约束的混合查询时效率极低。本文提出 HQANN，一种简单且高效混合查询处理框架，可轻松嵌入现有基于邻近图的 ANNS 算法中。我们通过利用属性间的导航感知并将向量相似性搜索与属性过滤相融合，同时保证低延迟与高召回。在公开与内部数据集上的实验结果表明，HQANN 达到相同召回质量比最先进的混合 ANNS 方案快 10 倍，且其性能几乎不受属性复杂度影响。在带有数千条属性约束的 GLOVE-1.2M 上，它仅需约 50 微秒即可达到 99% recall@10。
引用
@article{arxiv.2207.07940,
title = {HQANN: Efficient and Robust Similarity Search for Hybrid Queries with Structured and Unstructured Constraints},
author = {Wei Wu and Junlin He and Yu Qiao and Guoheng Fu and Li Liu and Jin Yu},
journal= {arXiv preprint arXiv:2207.07940},
year = {2022}
}