Loading...
Please wait, while we are loading the content...
Similar Documents
Cosine Approximate Nearest Neighbors
| Content Provider | Semantic Scholar |
|---|---|
| Author | Anastasiu, David C. |
| Copyright Year | 2017 |
| Abstract | Kosinus-Ahnlichkeitsgraphenerstellung, oder All-Pairs-Ahnlichkeitssuche, ist ein wichtiger Systemkern vieler Methoden der Datengewinnung und des maschinellen Lernens. Die Graphenerstellung ist eine schwierige Aufgabe. Bis zu n2 Objektpaare sollten intuitiv verglichen werden, um das Problem fur eine Reihe von n Objekten zu losen. Fur grose Objektreihen wurden Naherungslosungen fur dieses Problem vorgeschlagen, welche die Komplexitat der Aufgabe thematisieren, indem die meisten, aber nicht unbedingt alle, nachsten Nachbarn abgefragt werden. Wir schlagen eine neue Naherungsgraphen-Erstellungsmethode vor, welche Eigenschaften der Objektvektoren kombiniert, um effektiv weniger Vergleichskandidaten auszuwahlen, welche wahrscheinlich Nachbarn sind. Auserdem kombiniert unsere Methode Filterstrategien, welche vor kurzem entwickelt wurden, um Vergleichskandidaten, die nicht vielversprechend sind, schnell auszuschliesen, was zu weniger allgemeinen Ahnlichkeitsberechnungen und erhohter Effizienz fuhrt. Wir vergleichen unsere Methode mit mehreren gangigen Annaherungs- und exakten Grundwerten von sechs Datensatzen aus der Praxis. Unsere Ergebnisse zeigen, dass unser Ansatz einen guten Kompromiss zwischen Effizienz und Effektivitat darstellt, mit einer 35,81-fachen Effizienzsteigerung gegenuber der besten Alternative bei 0,9 Recall. |
| Starting Page | 45 |
| Ending Page | 50 |
| Page Count | 6 |
| File Format | PDF HTM / HTML |
| DOI | 10.1007/978-3-658-19287-7_6 |
| Alternate Webpage(s) | https://idsc.at/s2017/wp-content/uploads/sites/4/2017/07/6_CosineApproximateNearestNeighbors_DavidAnastasiu.pdf |
| Alternate Webpage(s) | https://doi.org/10.1007/978-3-658-19287-7_6 |
| Language | English |
| Access Restriction | Open |
| Content Type | Text |
| Resource Type | Article |
