kANNolo：甜且光滑的近似 $k$ 最近邻搜索
信息检索
2026-01-13 v1
摘要
近似最近邻(ANN)搜索是诸多应用（如推荐系统和信息检索）中的关键任务。当前领先的 ANN 库虽以性能为导向，却常缺乏模块化和易用性，这导致它们不够适用于快速原型设计和研究想法的测试。为此，我们引入 kANNolo，一个新型研究导向的 ANN 库，使用 Rust 编写，旨在有效组合易用性与性能。kANNolo 是首个支持稠密和稀疏向量表示的 ANN 库，其相似性度量包括欧几里得距离和内积等。此外，它还支持如乘积量化等向量量化技术，这些功能通过 Rust trait 实现，允许抽象地处理共享行为。这种抽象确保了灵活性并便于新组件的集成。本文详细阐述了 kANNolo 的架构，并通过实验表明，其灵活性并未妥协性能。实验分析显示，kANNolo 在速度-精度权衡方面实现了领先水平，同时实现快速而简单的原型设计，从而使其成为推动 ANN 研究的有价值工具。源代码已在 GitHub 上提供：https://github.com/TusKANNy/kannolo。
引用
@article{arxiv.2501.06121,
title = {kANNolo: Sweet and Smooth Approximate k-Nearest Neighbors Search},
author = {Leonardo Delfino and Domenico Erriquez and Silvio Martinico and Franco Maria Nardini and Cosimo Rulli and Rossano Venturini},
journal= {arXiv preprint arXiv:2501.06121},
year = {2026}
}
备注
7 pages, 3 figures