کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6856211 1437948 2018 33 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Exploiting lower bounds to accelerate approximate nearest neighbor search on high-dimensional data
ترجمه فارسی عنوان
بهره برداری از مرزهای پایین برای سرعت بخشیدن به تقریبا نزدیکترین همسایه جستجو در داده های با ابعاد بزرگ
کلمات کلیدی
نزدیکترین جستجوی نزدیکترین همسایه، داده های با ابعاد بزرگ، مرز پیشرونده پایین، پایه آماری پایین،
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
چکیده انگلیسی
According to the extensive experiments on real data sets, we demonstrate that our lower bounds are able to obviously accelerate ANN search of the existing indexing methods, and our lower bounds outperform the existing lower bounds by a significant margin, due to their strong pruning powers. Especially, AQD speedups the state-of-the-art indexing method HNSW (Malkov and Yashunin, 2016) 1.9 times for a high recall 0.95. As to other indexing methods, the speedups of AQD are even higher, because they need to access more candidates than HNSW.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Information Sciences - Volume 465, October 2018, Pages 484-504
نویسندگان
, , ,