On Nonmetric Similarity Search Problems in Complex Domains
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F11%3A10045849" target="_blank" >RIV/00216208:11320/11:10045849 - isvavai.cz</a>
Výsledek na webu
<a href="http://dx.doi.org/10.1145/1978802.1978813" target="_blank" >http://dx.doi.org/10.1145/1978802.1978813</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1145/1978802.1978813" target="_blank" >10.1145/1978802.1978813</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
On Nonmetric Similarity Search Problems in Complex Domains
Popis výsledku v původním jazyce
The task of similarity search is widely used in various areas of computing, including multimedia databases, data mining, bioinformatics, social networks, etc. In fact, retrieval of semantically unstructured data entities requires a form of aggregated qualification that selects entities relevant to a query. A popular type of such a mechanism is similarity querying. For a long time, the database-oriented applications of similarity search employed the definition of similarity restricted to metric distances. Due to its topological properties, metric similarity can be effectively used to index a database which can be then queried efficiently by so-called metric access methods. However, together with the increasing complexity of data entities across variousdomains, in recent years there appeared many similarities that were not metrics -- we call them nonmetric similarity functions. In this paper we survey domains employing nonmetric functions for effective similarity search, and methods for
Název v anglickém jazyce
On Nonmetric Similarity Search Problems in Complex Domains
Popis výsledku anglicky
The task of similarity search is widely used in various areas of computing, including multimedia databases, data mining, bioinformatics, social networks, etc. In fact, retrieval of semantically unstructured data entities requires a form of aggregated qualification that selects entities relevant to a query. A popular type of such a mechanism is similarity querying. For a long time, the database-oriented applications of similarity search employed the definition of similarity restricted to metric distances. Due to its topological properties, metric similarity can be effectively used to index a database which can be then queried efficiently by so-called metric access methods. However, together with the increasing complexity of data entities across variousdomains, in recent years there appeared many similarities that were not metrics -- we call them nonmetric similarity functions. In this paper we survey domains employing nonmetric functions for effective similarity search, and methods for
Klasifikace
Druh
J<sub>x</sub> - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)
CEP obor
IN - Informatika
OECD FORD obor
—
Návaznosti výsledku
Projekt
<a href="/cs/project/GAP202%2F11%2F0968" target="_blank" >GAP202/11/0968: Podobnostní nemetrické vyhledávání v rozsáhlých komplexních databázích</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>Z - Vyzkumny zamer (s odkazem do CEZ)
Ostatní
Rok uplatnění
2011
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název periodika
ACM Computing Surveys
ISSN
0360-0300
e-ISSN
—
Svazek periodika
43
Číslo periodika v rámci svazku
4
Stát vydavatele periodika
US - Spojené státy americké
Počet stran výsledku
50
Strana od-do
1-50
Kód UT WoS článku
—
EID výsledku v databázi Scopus
—