Analysing Indexability of Intrinsically High-Dimensional Data Using TriGen

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F20%3A10420915" target="_blank" >RIV/00216208:11320/20:10420915 - isvavai.cz</a>

Výsledek na webu

<a href="https://doi.org/10.1007/978-3-030-60936-8_20" target="_blank" >https://doi.org/10.1007/978-3-030-60936-8_20</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-030-60936-8_20" target="_blank" >10.1007/978-3-030-60936-8_20</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Analysing Indexability of Intrinsically High-Dimensional Data Using TriGen

Popis výsledku v původním jazyce

The TriGen algorithm is a general approach to transform distance spaces in order to provide both exact and approximate similarity search in metric and non-metric spaces. This paper focuses on the reduction of intrinsic dimensionality using TriGen. Besides the well-known intrinsic dimensionality based on distance distribution, we inspect properties of triangles used in metric indexing (the triangularity) as well as properties of quadrilaterals used in ptolemaic indexing (the ptolemaicity). We also show how LAESA with triangle and ptolemaic filtering behaves on several datasets with respect to the proposed indicators.

Název v anglickém jazyce

Analysing Indexability of Intrinsically High-Dimensional Data Using TriGen

Popis výsledku anglicky

The TriGen algorithm is a general approach to transform distance spaces in order to provide both exact and approximate similarity search in metric and non-metric spaces. This paper focuses on the reduction of intrinsic dimensionality using TriGen. Besides the well-known intrinsic dimensionality based on distance distribution, we inspect properties of triangles used in metric indexing (the triangularity) as well as properties of quadrilaterals used in ptolemaic indexing (the ptolemaicity). We also show how LAESA with triangle and ptolemaic filtering behaves on several datasets with respect to the proposed indicators.

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

2020

Kód důvěrnosti údajů

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

Název statě ve sborníku

Similarity Search and Applications. SISAP 2020.

ISBN

978-3-030-60936-8

ISSN

—

e-ISSN

—

Počet stran výsledku

9

Strana od-do

261-269

Název nakladatele

Springer

Místo vydání

Cham, Germany

Místo konání akce

Copenhagen, Denmark

Datum konání akce

30. 9. 2020

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—