新的SHEAF方法预测ANN搜索中的查询难度

研究人员开发了一种名为SHEAF（答案集通量自剖面硬度估计）的新方法，用于预测基于图的近似最近邻（ANN）搜索中查询的难度。与之前的局部内在维度（LID）等静态度量不同，SHEAF通过观察查询的答案集在两个浅探针宽度之间如何变化来估计难度。该方法在SIFT1M等数据集上进行了评估，并在GPU和CPU上实现，与五个基线度量相比，显示出更高的预测精度，仅需两次浅探针搜索，且无需查询时真实值。 AI

影响 通过实现动态查询处理，提高了大规模数据检索系统的效率。

排序理由 学术论文，详细介绍了ANN搜索中查询难度估计的新方法。[lever_c_demoted from research: ic=1 ai=0.7]

在 arXiv cs.IR (Information Retrieval) 阅读 →

• arXiv
• Çağrankaya
• central processing unit
• graphics processing unit
• Hierarchical Navigable Small World graphs
• SHEAF
• SIFT1M

• 论文
• 基础设施

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →