文献

J-GLOBAL ID：201702253743764865   整理番号：17A1744608

M2LSH: LSHに基づく高次元データ近似最近傍探索アルゴリズム【JST・京大機械翻訳】

M2LSH:An LSH Based Technique for Approximate Nearest Neighbor Searching on High Dimensional Data

著者 (4件)： Li Can (寧波大学信息科学与工程学院,浙江寧波,315211) ,  Qian Jiangbo (寧波大学信息科学与工程学院,浙江寧波,315211) ,  Dong Yihong (寧波大学信息科学与工程学院,浙江寧波,315211) ,  Chen Huahui (寧波大学信息科学与工程学院,浙江寧波,315211)
資料名： Dianzi Xuebao  (Dianzi Xuebao)
巻： 45  号： 6  ページ： 1431-1442  発行年： 2017年 
JST資料番号： C2504A  ISSN： 0372-2112  CODEN： TTHPAG  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 多くの応用において、LSH(Locality Sensitive Hashing)及び各種のバリアントは、最近の隣接問題を解決する有効なアルゴリズムの一つである。これらのアルゴリズムは比較的均一に分布する高次元データを扱うことができるが、設計案から見ると、データの分布が不均一な状況に対して相応の最適化が行われていない。この問題に対して、本論文では、LSHに基づく新たな解決案(M2LSH、2 Layers Merging LSH)を提案し、データの分布が不均一な場合に対して依然として比較的良い検索効果が得られた。まず,データを計数機能を持つ組合せハッシュベクトルで表されるハッシュテーブルに格納し,次に二次ハッシュにより一次元空間に射影し,この空間で各バケットに格納されているデータの個数に隣接ハッシュテーブルを合わせることにより,新たなハッシュバケットにおけるデータ量をほぼ均衡させることができる.問合せの際に限られたハッシュバケットだけにアクセスすることで、比較的良い結果を見つけることができる。本論文は,詳細な理論的解析を与えて,実験結果は,M2LSHの性能を検証して,アクセス時間を減らすだけでなく,結果の正確さを改善することもできることを示した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 一次元 ,  最適化 ,  *アルゴリズム ,  バケット ,  *近似法 ,  呼出時間
準シソーラス用語： データ量 ,  ハッシュテーブル ,  計数 ,  *探索アルゴリズム ,  *高次元データ , 【Automatic Indexing@JST】

著者キーワード (4件)： approximate nearest neighbor (ANN) ,  k-nearest neighbor (KNN) search ,  locality sensitive hashing (LSH) ,  high dimensionality

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 高次元データ ,  近似 ,  近傍探索 ,  アルゴリズム