本研究旨在研究基于聚类的最近邻搜索中路由问题，通过乐观主义的原则，利用内积分布的矩来乐观地估计最大内积，通过只使用前两个矩实现与现有算法相当准确度的搜索，并且所提出的算法在空间利用上也更为高效。

May, 2024

我们提出了一种新的 K 最近邻搜索方法，它基于可控层次结构的可导航小世界图（Hierarchical NSW，HNSW）。所提出的解决方案是完全基于图的，无需任何额外的搜索结构，在多层结构中进行搜索可以提高性能，同时利用启发式算法选择近邻可以在高召回率和高密集度的情况下显著提高性能。

Mar, 2016

本文提供了一种将最大内积搜索问题转化为余弦相似度搜索问题的方法，该方法使用了不对称变换和有符号随机投影进行优化，相较于之前的方法更为高效。

Oct, 2014

本文主要探讨了最大内积搜索的效率问题，提出了一种基于 k 均值聚类算法的简单方法，在保证检索准确率的同时显著提高检索速度，并在两个标准推荐系统基准测试和大词汇量词嵌入上进行了实验证明。

Jul, 2015

本文提出了一种名为 BanditMIPS 的随机算法，解决了在高纬度情况下复杂度至少为 O (根号 d) 的 MIPS 任务。此算法通过自适应子采样和多臂老虎机策略来估计每个原子的内积，并在理论和实验中都得到了证明。

Dec, 2022

该论文系统研究了内积相似性连接问题，提出了新的上下界和基于线性草图的索引方法，并探讨了不对称性的影响。

Oct, 2015

本文研究带有计算开销的 MIPS 问题，通过设计新型的贪心 - MIPS 算法，从而灵活地控制搜索效率与搜索质量的平衡。在半百万个 200 维向量的候选集上，与现有算法相比，贪心 - MIPS 不仅简单易懂，而且速度快且性能好。

Oct, 2016

本文提出了一种新的问题，称为 “反向最大内积搜索 (RMIPS)”，并通过提出一种名为 Simpfer 的简单、快速和准确的算法来解决，能够在用户向量和项目向量中找到与查询向量最大内积的向量，实验证明其性能优于 MIPS 技术并且更快。

Oct, 2021

本研究提出了第一种无需任何预处理的近似 MIPS 算法，并允许用户控制和限制结果的次优性，该方法将 MIPS 作为最佳 Arm 识别问题，并引入了一种新的赌博问题设置来充分利用 MIPS 的特殊结构，在合成和现实世界数据集上表现优于现有方法。

Dec, 2018

本文提出了一种名为 SIPS 的新模型，通过在 Minkowski 空间内考虑内积，SIPS 能够很好地逼近各种条件正定的相似度，从而从理论上得出 SIPS 优于 IPS 的结论。

May, 2018