PulseAugur
中
实时 19:44:25
English(EN) Slipstream: Locality-Aware Graph Index Construction for Streaming Approximate Nearest Neighbor Search

Slipstream 方法将流式 ANNS 吞吐量提升 30 倍

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了 Slipstream，这是一种旨在加速流式向量数据中近似最近邻搜索 (ANNS) 的新颖方法。该方法利用向量流的连续性，通过从先前插入过程中识别出的有希望的候选者开始搜索，而不是从头开始。Slipstream 已集成到 Faiss 和 HNSWLib 等流行库中，在保持至少 0.95 的召回率的同时，吞吐量提高了 30.8 倍。 AI

影响 加速推荐系统和相似性匹配等应用的实时向量搜索。

排序理由 这是一篇详细介绍近似最近邻搜索新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.IR (Information Retrieval) 阅读 →

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

报道来源 [1]

  1. arXiv cs.IR (Information Retrieval) TIER_1 English(EN) · Dongfang Zhao ·

    Slipstream：用于流式近似最近邻搜索的局部感知图索引构建

    Graph indexes are widely used for high-recall approximate nearest neighbor search (ANNS), but many real-time applications require streaming ANNS. In these real-time applications, continuously arriving embeddings must search the existing graph for candidate neighbors before updati…

相关实体

相关话题