文献

J-GLOBAL ID：202002258038615420   整理番号：20A1244020

学習関数に基づくI/O効率近似最近傍探索【JST・京大機械翻訳】

I/O Efficient Approximate Nearest Neighbour Search based on Learned Functions

著者 (6件)： Li Mingjie (Zhejiang Gongshang University,China) ,  Zhang Ying (Zhejiang Gongshang University,China) ,  Sun Yifang (University of New South Wales,School of Computer Science and Engineering,Australia) ,  Wang Wei (University of New South Wales,School of Computer Science and Engineering,Australia) ,  Tsang Ivor W. (University of Technology,CAI, School of Computer Science,Sydney,Australia) ,  Lin Xuemin (University of New South Wales,School of Computer Science and Engineering,Australia)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICDE  ページ： 289-300  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 高次元空間における近似最近傍探索(ANNS)は,マルチメディアデータベース,コンピュータビジョンおよび情報検索のような多くの応用における基本的問題である。多くの解決策の中で,データに敏感なハッシュベースの方法はこの問題に有効であるが,それらのほとんどは外部記憶シナリオのために設計されておらず,従って質問処理の間のI/O効率のために最適化されない。本論文では,ANNSのための新しいデータに敏感なインデクシングと質問処理フレームワークを導入した。特に,I/O効率の最適化,特に逐次I/Oに重点を置いた。提案した指標は,各対応データ点における学習ハッシング(すなわちマッピング)関数により得られる値により順序付けされた点IDのいくつかのリストから構成される。この関数はデータから学習され,高次元空間の順序を近似的に保存する。新しい目的関数を持つデータから学習された関数(線形および非線形)の2つの瞬間化を考察した。また,インデックスに基づくI/O効率的ANNSフレームワークを開発した。6つのベンチマークデータセットに関する包括的実験は,学習されたインデックス構造を有する著者らの提案方法が,I/O効率と精度の観点から,最先端の外部記憶ベースのANNS方法よりはるかに良く機能することを示した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  情報検索 ,  *学習 ,  *近似法 ,  線形性 ,  目的関数 ,  コンピュータビジョン ,  高次元 ,  ベンチマーク ,  外部記憶装置 ,  質問処理 ,  *近傍探索法
準シソーラス用語： マルチメディアデータベース ,  索引構造 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： 近似 ,  近傍探索