面向范围过滤近似最近邻搜索的窗口到窗口增量索引

给定由向量和属性值组成的混合数据集，对于每个带目标向量和范围过滤器的查询，范围过滤近似最近邻搜索（RFANNS）旨在检索数据集中最相似的向量且相应的属性值落在查询范围内。这是向量数据库管理系统和具备嵌入能力的智能系统中的一个基本功能。针对 RFANNS 的专用索引在可接受的近似误差下加快查询速度，但仍面临无法增量构建和无法为任意范围过滤器实现卓越查询性能的挑战。本文提出一种基于窗口图的 RFANNS 索引。对于增量构建，我们提出插入算法将新的向量-属性对添加到具有不同窗口大小的分层窗口图中。为处理任意范围过滤器，我们针对属性过滤器检查和向量距离计算优化相关窗口搜索，以范围选择性为依据。在真实数据集上的大量实验表明，对于索引构建，本方法与最具构建效率的索引相当，速度快 4.9 倍，规模仅为最佳查询效率索引的 0.4-0.5 倍；对于 RFANNS 查询，速度比最具增量效率的索引快 4 倍，与最佳静态构建索引的性能持平。