距离向量算法_向量近似最近邻(ANN)算法HNSW详解「傻瓜版」

在深度学习蓬勃发展的今天，一切物体皆可变成向量。图片可以变成一个向量，一个人的兴趣也可以表示成一个向量，一段语音也可以编码成一个向量。既然一切皆可成为向量，那么，通过一个东西找到相似的东西这个问题，都可以转化为通过一个向量找到相似的向量的问题了。

书的二维向量化表示(因为是二维，所以可以展示到一张图上)

所以，向量近似最近邻(ANN)算法需要解决如下的问题：

• 给定N个维度是f的向量(vector)组成集合S
• 给定一个距离函数d，其中 d(a, b) 是向量a和b的距离，距离越小表示a，b越相似
• 输入一个维度是f的向量q，如何找到S中和q距离最近的K个向量

对于这个问题，最傻瓜的算法当然是，对集合S中的N个向量，每个计算一下和q的距离，并将结果放入一个堆中(堆里维护着距离最小的K个向量)。这样，整个算法的复杂度是 O(Nlog(K))。当N很大时(比如1亿)，显然查询是非常慢的。

因此，为了解决快速查找的问题，如何对集合S建立合适的索引，就是一个重要的问题了。而HNSW就是这方面的一个重要算法。关于HNSW的开源实现可以参考Github上的hnswlib。不过，因为这个库做了很多性能优化，导致它的代码可读性不是很好，不太容易看懂。因