SIGIRJun, 2019

FAISS 和 FENSHSES 在汉明空间最近邻搜索中的经验比较

PDF
TL;DR比较了 FAISS 和 FENSHSES 在汉明空间最近邻搜索中的表现，通过索引速度、搜索延迟和 RAM 消耗等方面进行综合评估。本比较旨在更好地理解主存和二级存储实现的最近邻搜索系统之间的权衡，这在文献中得到了很少讨论。
faissfenshsesnearest neighbor searchhamming spacetrade-offs
发现论文，激发创造
  • 句子嵌入的高效比较

    本文讨论了各种词嵌入和句子嵌入算法，选择 Bert 作为我们的算法，并评估了 FAISS 和 Elasticsearch 两种向量比较方法在句子嵌入问题中的表现。结果显示，当使用大型数据集进行集中式环境的处理时，FAISS 的性能优于 Elasticsearch。

    Apr, 2022

  • 最近邻搜索的学习空间划分

    本研究提出一种新的框架用于构建空间划分，将问题转化为平衡图划分和监督分类，并结合 KaHIP 图分区器和神经网络，实现了一种新的分区过程称为神经局部敏感哈希（Neural LSH），实验证明 Neural LSH 的分区在标准最近邻搜索（NNS）基准测试中，始终优于基于量化和树的方法，以及经典的数据无关 LSH。

    Jan, 2019

  • Faiss 库

    Faiss 是一个用于向量相似度搜索的工具库，它管理大型的嵌入向量集合，描述了向量搜索的权衡空间以及 Faiss 的设计原则和关键特性。

    Jan, 2024

  • 基于动态连续索引的快速 K 最近邻搜索

    提出一种新的无需数据空间分割的随机化算法来避免由于数据维度过高而导致的数据检索问题，并通过理论分析和实验结果来证明这种算法在数据近似性、速度和空间效率等方面优于传统的局部敏感哈希算法（LSH）

    Dec, 2015

  • 高维数据的近似最近邻搜索：实验、分析与改进（v1.0）

    本文详细评估了 16 种不同算法在 20 个不同数据集、多个评估指标和不同查询工作负载下的性能表现，并提出了一种新的方法以提高查询效率和召回率。

    Oct, 2016

  • 基于多索引哈希的汉明空间快速精确搜索

    使用紧凑的二进制编码表示图像数据和特征描述符的研究表明，多个哈希表可用于在 Hamming 空间中进行精确的 k 近邻搜索，并且在 64、128 或 256 位的十亿级数据集上，其运行时间呈子线性表现，从而实现了极大的速度提升。

    Jul, 2013

  • 一项相似性搜索的哈希调查

    本文介绍了哈希方法作为解决最近邻搜索问题的一种主要方法的概述，其中对基于数据分布设计哈希函数和基于数据学习设计哈希函数的两种主要哈希算法进行了阐述和综述。

    Aug, 2014

  • 基于图的近似最近邻搜索的综合调查和实验比较

    本文综述了 13 个代表性的基于图的近似最近邻搜索算法，通过新的分类和细粒度的流程进行了比较分析和实验评估。该研究提供了优化算法的原则并设计了一种优化方法，可以优于现有的基于图的近似最近邻算法。同时还提供了关于有前途的研究方向和适合不同领域从业者使用的算法的经验建议。

    Jan, 2021

  • 流行近似最近邻搜索实现的最坏情况性能：保证和限制

    图形化相似最近邻搜索算法的最坏情况性能研究，以 HNSW、NSG 和 DiskANN 为例，发现其实际查询时间与实例大小成线性关系，并证明其具有常数近似比和多对数查询时间的边界维数据集。

    Oct, 2023

  • 面向向量搜索的硬件和算法协同设计

    介绍了一种基于 FPGA 的可扩展矢量搜索框架 FANNS，通过自动协同设计硬件和算法来生成相应的加速器，以在数据中心和 AI 超算中实现未来的 FPGA 集成。

    Jun, 2023