用于快速角度测试的概率核函数
机器学习
2026-03-03 v3 人工智能
计算机视觉与模式识别
数据库
数据结构与算法
摘要
本文研究高维欧几里得空间相似性搜索中的角度测试问题，并提出两种基于投影的概率核函数，一种用于角度比较，另一种用于角度阈值判定。与依赖从高斯分布中抽取随机投影向量的现有方法不同，我们的方法利用参考角度，并对投影向量采用确定性结构。值得注意的是，我们的核函数不需要渐近假设（例如投影向量数量趋于无穷），并且在理论和实验上均被证明优于基于高斯分布的核函数。我们将所提出的核函数应用于近似最近邻搜索（ANNS），并证明与广泛使用的基于图的搜索算法 HNSW 相比，我们的方法实现了 2.5 倍至 3 倍更高的每秒查询率（QPS）吞吐量。
引用
@article{arxiv.2505.20274,
title = {Probabilistic Kernel Function for Fast Angle Testing},
author = {Kejing Lu and Chuan Xiao and Yoshiharu Ishikawa},
journal= {arXiv preprint arXiv:2505.20274},
year = {2026}
}
备注
ICLR 2026 Oral, source code available at https://github.com/KejingLu-810/KS