Popularity-Based Ranking for Fast Approximate kNN Search
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216224%3A14330%2F17%3A00094704" target="_blank" >RIV/00216224:14330/17:00094704 - isvavai.cz</a>
Výsledek na webu
<a href="http://dx.doi.org/10.15388/Informatica.2017.118" target="_blank" >http://dx.doi.org/10.15388/Informatica.2017.118</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.15388/Informatica.2017.118" target="_blank" >10.15388/Informatica.2017.118</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Popularity-Based Ranking for Fast Approximate kNN Search
Popis výsledku v původním jazyce
Similarity searching has become widely available in many on-line archives of multimedia data. Users accessing such systems look for data items similar to their specific query object and typically refine results by re-running the search with a query from the results. We study this issue and propose a mechanism of approximate kNN query evaluation that incorporates statistics of accessing index data partitions. Apart from the distance between database objects, it also considers the prior query answers to prioritize index partitions containing frequently retrieved data, so evaluating repetitive similar queries more efficiently. We verify this concept in a number of experiments.
Název v anglickém jazyce
Popularity-Based Ranking for Fast Approximate kNN Search
Popis výsledku anglicky
Similarity searching has become widely available in many on-line archives of multimedia data. Users accessing such systems look for data items similar to their specific query object and typically refine results by re-running the search with a query from the results. We study this issue and propose a mechanism of approximate kNN query evaluation that incorporates statistics of accessing index data partitions. Apart from the distance between database objects, it also considers the prior query answers to prioritize index partitions containing frequently retrieved data, so evaluating repetitive similar queries more efficiently. We verify this concept in a number of experiments.
Klasifikace
Druh
J<sub>imp</sub> - Článek v periodiku v databázi Web of Science
CEP obor
—
OECD FORD obor
10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
Návaznosti výsledku
Projekt
<a href="/cs/project/GA16-18889S" target="_blank" >GA16-18889S: Analytika pro velká nestrukturovaná data</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach
Ostatní
Rok uplatnění
2017
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název periodika
Informatica
ISSN
0868-4952
e-ISSN
—
Svazek periodika
28
Číslo periodika v rámci svazku
1
Stát vydavatele periodika
NL - Nizozemsko
Počet stran výsledku
21
Strana od-do
1-21
Kód UT WoS článku
000398983000001
EID výsledku v databázi Scopus
2-s2.0-85018758663