Learned Metric Index

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216224%3A14330%2F24%3A00137232" target="_blank" >RIV/00216224:14330/24:00137232 - isvavai.cz</a>

Výsledek na webu

<a href="https://github.com/Coda-Research-Group/LearnedMetricIndex" target="_blank" >https://github.com/Coda-Research-Group/LearnedMetricIndex</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.5281/zenodo.13860051" target="_blank" >10.5281/zenodo.13860051</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Learned Metric Index

Popis výsledku v původním jazyce

Learned Metric Index (LMI) je inovativní datová struktura založená na strojovém učení, určená pro rychlé přibližné hledání nejbližších sousedů v rozsáhlých datových souborech. Využívá principy učených indexů k optimalizaci vyhledávání a minimalizaci výpočetní náročnosti. LMI je implementován v jazyce Python a podporuje použití na CPU i GPU. Díky efektivní správě paměti a vysoké přesnosti (až 91,42 % recallu) je vhodný pro aplikace v oblastech, jako jsou analýza velkých dat, bioinformatika, vyhledávače, doporučovací systémy a finanční modelování. Software je distribuován jako open-source pod licencí MIT, což umožňuje jeho volné použití, úpravy a začlenění do komerčních i nekomerčních projektů.

Název v anglickém jazyce

Learned Metric Index

Popis výsledku anglicky

Learned Metric Index (LMI) je inovativní datová struktura založená na strojovém učení, určená pro rychlé přibližné hledání nejbližších sousedů v rozsáhlých datových souborech. Využívá principy učených indexů k optimalizaci vyhledávání a minimalizaci výpočetní náročnosti. LMI je implementován v jazyce Python a podporuje použití na CPU i GPU. Díky efektivní správě paměti a vysoké přesnosti (až 91,42 % recallu) je vhodný pro aplikace v oblastech, jako jsou analýza velkých dat, bioinformatika, vyhledávače, doporučovací systémy a finanční modelování. Software je distribuován jako open-source pod licencí MIT, což umožňuje jeho volné použití, úpravy a začlenění do komerčních i nekomerčních projektů.

Druh

R - Software

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/GF23-07040K" target="_blank" >GF23-07040K: Naučené indexy pro podobností hledání</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

2024

Kód důvěrnosti údajů

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

Interní identifikační kód produktu

2024/02

Technické parametry

Programovací jazyk: Implementováno v Pythonu. Systémová architektura: Projekt je rozdělen do několika hlavních komponent: Search Module – zajišťuje hlavní funkci pro aproximované hledání nejbližších sousedů. Tyto závislosti jsou specifikovány v souborech requirements-cpu.txt a requirements-gpu.txt pro CPU a GPU verze. Možnosti instalace: Virtuální prostředí – uživatelé mohou nastavit virtuální prostředí Python a nainstalovat požadované balíčky dle dokumentace. Docker – k dispozici je Dockerfile, který umožňuje vytvořit obraz pro snadné nasazení. Hardwarové požadavky: Pro indexaci datasetu o velikosti 10 milionů záznamů je potřeba přibližně 42 GB RAM a 1 CPU jádro. Odhadovaný čas sestavení indexu je přibližně 6 hodin (v závislosti na použitém hardwaru). Výkonnostní metriky: Při použití jednoho modelu strojového učení dosahuje Learned Metric Index úspěšnosti přibližně 91,42 % recallu. Průměrná doba hledání pro 10 000 dotazů je 220 sekund. Licencování: Projekt je vydán pod MIT licencí, což umožňuje

Ekonomické parametry

Software je open-source a je k dispozici zdarma pod MIT licencí. Nejsou vyžadovány žádné poplatky za používání.

IČO vlastníka výsledku

00216224

Název vlastníka

Masarykova Univerzita