유사도 선택 카디널리티 추정의 단조성 보장 딥러닝 접근법

**1. 연구 배경 및 문제 정의** 유사도 선택은 데이터베이스에서 “거리 f(x, y) ≤ θ”인 레코드 y를 찾는 연산으로, 이미지 검색, 엔터티 매칭, 데이터 통합 등 다양한 응용 분야에서 핵심 역할을 한다. 쿼리 옵티마이저는 이 연산의 비용을 추정하기 위해 카디널리티(결과 레코드 수)를 정확히 예측해야 하는데, 전통적인 히스토그램·샘플링 기반 방법은 고차원·대규모 데이터와 복잡한 거리 분포에 취약하다. 또한, 카디널리티는 임계값 θ가 증가함에 따라 반드시 단조적으로 증가해야 하는데, 기존 머신러닝 회귀 모델은 이 제약을 보장하지 못한다. **2. 제안 프레임워크 개요** 논문은 두 단계로 구성된 프레임워크를 제안한다. - **특징 추출(Feature Extraction)**: 원본 레코드 x와 임계값 θ를 입력받아, 거리 함수 f의 의미를 해밍 거리로 근사하는 이진 벡터 x̂와 정수형 임계값 τ를 생성한다. 이 과정은 데이터 타입(이미지, 텍스트, 문자열 등)과 거리 함수(Jaccard, edit, Euclidean 등)에 독립적이며, 모든 입력을 동일한 차원의 이진 공간에 매핑한다. - **증분 회귀(Incremental Regression)**: 변분 오토인코더(VAE)를 사용해 희소한 이진 벡터 x̂를 밀집된 잠재 표현 z로 압축하고, 거리값 i에 대한 임베딩 e_i를 추가한다. 최종 입력 z_i =