Popularity-Based Ranking for Fast Approximate kNN Search

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>

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.

Druh

J_imp - 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)

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

Rok uplatnění

2017

Kód důvěrnosti údajů

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

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