시그널 ALSH: 내적 최대화 탐색을 코사인 유사도 해시로 혁신
본 논문은 기존 L2‑ALSH가 사용한 비대칭 변환을 대체하여, 최대 내적 탐색(MIPS)을 코사인 유사도 탐색으로 변환하고 부호 랜덤 프로젝션(SRP) 기반 해시를 적용하는 Sign‑ALSH를 제안한다. 이 변환은 정규화된 쿼리와 데이터의 노름 차이를 효과적으로 보정하면서 충돌 확률을 크게 향상시켜, 이론적 ρ 지표와 실험 결과 모두에서 L2‑ALSH보다 우수함을 입증한다. 또한 쿼리 노름 의존성을 제거하는 추가 변환을 제시한다.
저자: Anshumali Shrivastava, Ping Li
본 논문은 대규모 데이터베이스에서 질의 벡터와 데이터 벡터 사이의 최대 내적을 효율적으로 찾는 문제인 MIPS(Maximum Inner Product Search)를 다루며, 기존의 L2‑ALSH(Asymmetric Locality Sensitive Hashing) 접근법의 한계를 극복하는 새로운 방법인 Sign‑ALSH를 제안한다.
1. **배경 및 문제 정의**
MIPS는 q·x 를 최대화하는 x∈S를 찾는 문제이며, 이는 ‖q‖와 ‖x‖가 크게 달라지는 경우 전통적인 LSH가 적용되기 어려운 비정규화된 내적 검색이다. 기존 연구
원본 논문
고화질 논문을 불러오는 중입니다...
댓글 및 학술 토론
Loading comments...
의견 남기기