面向快速在线最近邻搜索的邻近图维护
信息检索
2022-06-23 v1
摘要
近似最近邻（ANN）搜索是（例如）推荐系统部署的一项基础技术。近期研究将基于邻近图的方法带入从业者的视野——基于邻近图的方法优于量化、哈希和基于树的 ANN 算法族等其他方案。在当前推荐系统中，数据点插入、删除和查询随着用户与物品的动态变化以在线方式流入系统。由于邻近图是通过将数据点作为新顶点插入图中而逐步构建的，在线插入与查询在邻近图中得到了良好支持。然而，数据点删除需要从邻近图索引中移除一个顶点，而先前研究未讨论合适的图索引更新机制。为应对该挑战，我们提出一种用于在线 ANN 的增量邻近图维护（IPGM）算法。IPGM 支持邻近图上的顶点删除与插入。给定顶点删除请求，我们深入探究更新该顶点连接的方案。所提出的更新方案消除了邻近图上在线 ANN 方法的性能下降，使算法适用于实际系统。
引用
@article{arxiv.2206.10839,
title = {Proximity Graph Maintenance for Fast Online Nearest Neighbor Search},
author = {Zhaozhuo Xu and Weijie Zhao and Shulong Tan and Zhixin Zhou and Ping Li},
journal= {arXiv preprint arXiv:2206.10839},
year = {2022}
}