A Comprehensive Survey and Experimental Comparison of Graph-Based Approximate NNS 论文简介

最新推荐文章于 2024-07-26 11:30:06 发布
原创 最新推荐文章于 2024-07-26 11:30:06 发布 · 775 阅读 · 2 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#VLDB2021 #ANNS #graph index #vector #algorithm

这篇论文提供了一个全面的综述，对比了基于图的近似最近邻搜索算法在高维数据检索中的应用。通过对不同方法的实验比较，深入探讨了它们的性能和效率。
【论文解读 AAAI 2020】Graph-Based Reasoning over Heterogeneous External Knowledge for 常识问答
byn12345的博客
04-29 4577
论文题目：Graph-Based Reasoning over Heterogeneous External Knowledge for Commonsense Question Answering 论文来源：AAAI 2020 信工所，北大，微软 论文链接：https://arxiv.org/abs/1909.05311 关键词：知识图谱，机器推理，常识问答，GCN，Attention ...
论文学习：A Survey of Point-of-Interest Recommendation in Location-Based Social Networks
yang__yu的博客
01-18 1089
POI(Point-of-Interest)即兴趣点也可理解为感兴趣的地点，POI推荐方法区别于传统的推荐商品在于它是推荐用户感兴趣的地点，可能是用在一些旅游出行的应用上。 关于POI recommendation的分类： Pure Check-in Data Based POI Recommendation 从字面意思理解就是只用登录数据来构建推荐系统，与协同过滤的方法类似，构建u...
A Comprehensive Survey and Experimental Comparison of Graph-Based Approximate Nearest Neighbor
小蚂蚁与大象
09-20 163
在过去的十年中，基于图的人工神经网络算法一直是该领域的主导范式，提出了数十种基于图的人工神经网络算法。该研究产生了新的发现，提供了几个有用的原则来改进算法，从而设计了一种优于最先进算法的优化方法。如图1所示，基于图的ANNS算法在原始数据集(图1(b))上构建图索引(图1(b))，图中的顶点对应于原始数据集的点，相邻顶点(标记为𝑥，𝑦)通过评估它们的距离𝛿(𝑥，𝑦)与边关联，其中𝛿是距离函数。根据[77]的评价，与非基于图的指标相比，NSW在效率和有效性之间提供了有限的最佳权衡，因为它的搜索。
A Comprehensive Survey and Experimental Comparison of Graph-Based Approximate Nearest Neighbor Searc
小蚂蚁与大象
04-21 242
然而，这些工作侧重于用不同的方法开发和优化算法，因此确实需要对这些方法的相对性能、优势和缺陷进行全面的调查。在8个真实数据集和12个不同大小和特征的合成数据集上，在统一的测试环境中比较了每种算法。这项工作还帮助我们确定了算法的工作部分，以及关于有前途的研究方向和适合不同领域从业人员的算法的经验法则建议。本文通过新的分类法和细粒度管道对13种代表性的基于图的人工神经网络算法进行了彻底的比较分析和实验评估。基于图的人工神经网络算法一直是该领域的主导范式，提出了数十种基于图的人工神经网络算法。
Paper reading # 3 直播｜基于近邻图的高维向量近似最近邻检索算法实验综述
ZILLIZ
09-02 596
Paper reading第三期Paper reading 直播是由 Milvus 社区发起的学术直播间，分享业内前沿学术论文，与大家交流人工智能与数据库领域最新研究方向。本期论文分享，我...
刘知远-Introduction to Graph Neural Networks.pdf
04-01
Graphs are useful data structures in complex real-life applications such as modeling physical systems, learning molecular fingerprints, controlling traffic networks, and recommending friends in social networks. However, these tasks require dealing with non-Euclidean graph data that contains rich relational information between elements and cannot be well handled by traditional deep learning models (e.g., convolutional neural networks (CNNs) or recurrent neural networks (RNNs)). Nodes in graphs usually contain useful feature information that cannot be well addressed in most unsupervised representation learning methods (e.g., network embedding methods). Graph neural networks (GNNs) are proposed to combine the feature information and the graph structure to learn better representations on graphs via feature propagation and aggregation. Due to its convincing performance and high interpretability, GNN has recently become a widely applied graph analysis tool.
减少 95% 资源的向量搜索 | 使用云搜索的 DiskANN
最新发布
字节跳动云原生计算官方账号
07-26 1684
近邻检索问题，顾名思义便是给定一个数据集 P 与一个查询向量 Q，我们需要从中找出最近的 K 个结果。随着数据集规模和数据维度的增加()，穷举遍历比较的方式便不再适用，更好地方式是取出近似的 K 个，然后引入召回率的概念，来表征近似结果集的好坏。针对此问题，应运而生了不同的算法，这些算法对应的索引结构也都基本受限于这些权衡：召回率、读写时延、成本等。比如，基于图结构的算法，选择将数据作为图中的数据点，而相近的点之间连接为边；查询向量从入口点出发，不断缩短距离，最终收敛得到结果。
An Experimental Comparison of Min-Cut/Max-Flow Algorithms
08-24
The goal of this paper is to provide an experimental comparison of the efficiency of min-cut/max flow algorithms for applications in vision. We compare the running times of several standard ...
Experimental validation of domain-level gradient-based and hierarchical PCE-based routing and control in heterogeneous optical networks
02-05
A domain-level gradient-based routing (DLR) algorithm for heterogeneous optical networks with synchronous digital hierarchy and optical transport network domains is proposed and experimentally ...
Experimental and theoretical analyses of RSOA-based colorless-ONUs with 4PAM signal in the up-link
02-06
A scheme that utilizes the 4-level pulse-amplitude-modulated (4PAM) signal as the re-modulated signal of colorless optical network units (ONUs) based on reflection semiconductor optical amplifiers ...
综述论文阅读”A comprehensive survey on graph neural networks“（TNNLS2020）
qq_43497436的博客
06-01 1298
论文标题 A comprehensive survey on graph neural networks 论文作者、链接 作者：Wu, Zonghan and Pan, Shirui and Chen, Fengwen and Long, Guodong and Zhang, Chengqi and Philip, S Yu 链接：A Comprehensive Survey on Graph Neural Networks | IEEE Journals & Magazine | IEE
【论文笔记】 图神经网络综述 A Comprehensive Survey on Graph Neural Networks
hxs的博客
08-22 1506
目录 1. Introduction 本篇综述的主要贡献 本篇论文的整体结构 2. DEFINITION 3. 分类和框架 4. GRAPH CONVOLUTION NETWORKS 4.1 基于谱的图卷积网络（Spectral-based Graph Convolutional Networks） 4.2 基于空间的图卷积网络（Spacial-based Graph Convolutional Networks） 4.2.1 Recurrent-based Spatial ...
多智能体强化学习经典综述A Comprehensive Survey of Multi-Agent Reinforcement Learning翻译
weixin_39989705的博客
05-14 3907
因为里面的图片实在是多，就用贴图代替了~
图神经网络的计算过程
qq_44370676的博客
04-15 2851
GNN的计算过程1.GCN2. Gated Graph Sequence Neural Network2.1. Gated Graph Neural Networks(GG-NNs) 因为需要研究基于图网络的漏洞检测的可解释性需要熟悉图神经网络，故需要总结以下常见的图网络的前向传播过程。 1.GCN GCN目前看到的基于结点分类的示例比较多，不过对图分类的还没见过，欢迎大佬补充。 GCN的输入为 图的邻接矩阵 A∈Rn×nA \in R^{ n \times n}A∈Rn×n 图的结点特征矩阵 X∈Rn×
Vespa的近似最近邻居搜索-第1部分
weixin_26632369的博客
07-20 1141
Searching for the nearest neighbors of a data point in a high dimensional vector space is an important problem for many real-time applications. For example, in Computer Vision it can be used to find s...
图深度学习(GraphDL)，下一个人工智能算法热点
喜欢打酱油的老鸟
01-07 3376
https://www.toutiao.com/a6641731848772780548/   2019-01-02 11:11:41 原创： 专知 【导读】最近，DeepMind、Google大脑、MIT等各大研究机构相继发表了一系列的关于图深度学习的论文，包括关系性RNN、关系性深度强化学习、图卷积神经网络等， 这是否预示这是下一个AI算法热点。专知整理了最近图深度学习相关的热点论文，...
知识图谱补全算法综述（动态知识图谱补全）
进步青年
10-29 6277
论文阅读笔记：知识图谱补全算法综述论文：丁建辉, 贾维嘉. 知识图谱补全算法综述[J]. 信息通信技术.概念表示学习相关理论知识图谱表示学习静态知识图谱补全(static KGC)动态知识图谱补全(Dynamic KGC) 论文：丁建辉, 贾维嘉. 知识图谱补全算法综述[J]. 信息通信技术. 概念 目的：预测出三元组中缺失的部分， 从而使知识图谱变得更加完整。 描述：对于知识图谱G，假设G中含有实体集E={e1， e2，…， eM}(M为实体的数量)、 关系集R={r1， r2，…， rN}(N为
几种图神经网络方法总结（Graph Neural Network）
热门推荐
图灵是我
03-08 7万+
概要 今年来图神经网络受到大家越来越多的关注，在文本分类(Text classification)，序列标注（Sequence labeling）, 神经机器翻译（Neural machine translation）,关系抽取（Relation extraction），事件抽取（Event extraction）, 图像分类（Image Classification），视觉推理（Visual R...
【论文】Knowledge Transfer for Out-of-Knowledge-Base Entities: A Graph Neural Network Approach
进步青年
12-12 1578
Knowledge Transfer for Out-of-Knowledge-Base Entities: A Graph Neural Network Approach 利用图神经网络解决知识图谱外实体的知识表示摘要1 Introduction2. 知识库完成中的OOKB实体问题2.1知识图谱2.2KBC：三元组分类任务2.3 OOKB实体问题3.模型3.13.1图表NNs3.2知识图谱上的传播模型传播模型：转移函数池化函数：堆叠和展开3.3输出模型：分数和目标函数实验4.1实现和超参数4.2标准三联体
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值