面向动态高维数据的学习索引成本与收益：扩展版
信息检索
2026-01-21 v2 数据库
摘要
学习索引研究领域的一个主要挑战是缺乏对动态扩展数据集的适应性。本文探索了通过诸如节点拆分和扩宽等操作，对静态学习索引进行动态化，以高效适应新数据。进一步，我们通过引入摊销成本模型来评估静态和动态方法之间的权衡，该模型在评估查询性能的同时，也评估索引结构的构建成本，从而在实验中确定在何种情况下动态学习索引优于其静态对手。我们将动态化方法应用于静态学习索引，表明其在总体成本方面的优势随着数据库的增长而迅速超过静态实现。这是一个将在DAWAK 2025上报告的论文的扩展版。
引用
@article{arxiv.2507.05865,
title = {On the Costs and Benefits of Learned Indexing for Dynamic High-Dimensional Data: Extended Version},
author = {Terézia Slanináková and Jaroslav Olha and David Procházka and Matej Antol and Vlastislav Dohnal},
journal= {arXiv preprint arXiv:2507.05865},
year = {2026}
}