使用组合编码的内积相似性搜索
计算机视觉与模式识别
2014-06-23 v2 机器学习
机器学习
摘要
本文探讨了内积相似度下的最近邻搜索问题，并提出了一种基于紧凑编码的方法。其核心思想是利用从源字典中选取的若干元素的组合来近似表示一个向量，并通过所选元素的索引组成的短编码来表示该向量。查询向量与数据库向量之间的内积可以高效地通过查询向量和数据库向量的短编码进行估计。通过理论与实验分析，我们证明了所提出的组 -选择算法在相同长度紧凑编码的搜索精度和效率方面具有优越性能，该算法从 个源字典中选取 个元素进行向量近似。在大规模数据集（ 和 SIFT 特征、 线性模型和 Netflix）上的实验结果展示了所提方法的优越性。
引用
@article{arxiv.1406.4966,
title = {Inner Product Similarity Search using Compositional Codes},
author = {Chao Du and Jingdong Wang},
journal= {arXiv preprint arXiv:1406.4966},
year = {2014}
}
备注
The approach presented in this paper (ECCV14 submission) is closely related to multi-stage vector quantization and residual quantization. Thanks the reviewers (CVPR14 and ECCV14) for pointing out the relationship to the two algorithms. Related paper: http://sites.skoltech.ru/app/data/uploads/sites/2/2013/09/CVPR14.pdf, which also adopts the summation of vectors for vector approximation