基于图的近似最近邻搜索中自适应入口点选择的理论与实证分析
信息检索
2024-02-08 v1 数据库
机器学习
摘要
我们对基于图的近似最近邻搜索（ANNS）中的自适应入口点选择进行了理论和实证分析。我们引入了新概念：和，它们比现有的MSNET等概念更能捕捉实际算法中的真实图结构。我们证明，在比先前工作更一般的条件下，自适应入口点选择比固定中心入口点具有更好的性能上界。在实证方面，我们验证了该方法在各种数据集上的准确性、速度和内存使用方面的有效性，特别是在具有分布外数据和困难实例的挑战性场景中。我们的综合研究为优化基于图的ANNS在实际高维数据应用中的入口点提供了更深入的见解。
引用
@article{arxiv.2402.04713,
title = {Theoretical and Empirical Analysis of Adaptive Entry Point Selection for Graph-based Approximate Nearest Neighbor Search},
author = {Yutaro Oguri and Yusuke Matsui},
journal= {arXiv preprint arXiv:2402.04713},
year = {2024}
}