Approximate Search in Dissimilarity Spaces using GA

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F19%3A10407738" target="_blank" >RIV/00216208:11320/19:10407738 - isvavai.cz</a>

Nalezeny alternativní kódy

RIV/68407700:21240/19:00333570

Výsledek na webu

<a href="http://dx.doi.org/10.1145/3319619.3321907" target="_blank" >http://dx.doi.org/10.1145/3319619.3321907</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1145/3319619.3321907" target="_blank" >10.1145/3319619.3321907</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Approximate Search in Dissimilarity Spaces using GA

Popis výsledku v původním jazyce

Nowadays, the metric space properties limit the methods of indexing for content-based similarity search. The target of this paper is a data-driven transformation of a semimetric model to a metric one while keeping the data indexability high. We have proposed a genetic algorithm for evolutionary design of semimetric-to-metric modifiers. The precision of our algorithm is near the specified error threshold and indexability is still good. The paper contribution is a proof of concept showing that genetic algorithms can effectively design semimetric modifiers applicable in similarity search engines.

Název v anglickém jazyce

Approximate Search in Dissimilarity Spaces using GA

Popis výsledku anglicky

Nowadays, the metric space properties limit the methods of indexing for content-based similarity search. The target of this paper is a data-driven transformation of a semimetric model to a metric one while keeping the data indexability high. We have proposed a genetic algorithm for evolutionary design of semimetric-to-metric modifiers. The precision of our algorithm is near the specified error threshold and indexability is still good. The paper contribution is a proof of concept showing that genetic algorithms can effectively design semimetric modifiers applicable in similarity search engines.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

<a href="/cs/project/GA19-01641S" target="_blank" >GA19-01641S: Kontextové podobnostní vyhledávání v otevřených datech</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2019

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

GECCO &apos;19: Proceedings of the Genetic and Evolutionary Computation Conference Companion

ISBN

978-1-4503-6748-6

ISSN

—

e-ISSN

—

Počet stran výsledku

2

Strana od-do

279-280

Název nakladatele

ACM

Místo vydání

New York

Místo konání akce

Prague

Datum konání akce

13. 7. 2019

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—