To Index or Not to Index: Optimizing Exact Maximum Inner Product Search

精确最大内积搜索(MIPS)是推荐系统和高维相似性搜索中的一项重要任务。解决精确MIPS的蛮力方法在计算上是昂贵的，因此刺激了针对该任务的新索引和剪枝技术的最新发展。本文展示了一种硬件高效的蛮力方法——阻塞矩阵乘法(BMM)，对于某些(但不是所有)输入，其性能可以超过最先进的MIPS求解器一个数量级。

本文还提出了一种新的MIPS解决方案MAXIMUS，利用了硬件效率和搜索空间的剪枝。与BMM一样，MAXIMUS比其他求解器快一个数量级，但也只是针对某些输入。由于没有单一的解决方案为所有输入提供最佳的运行时性能，本文引入了一个新的数据依赖优化器OPTIMUS，以最小的开销在线选择给定输入的最佳MIPS求解器。在广泛研究的MIPS数据集上，OPTIMUS和MAXIMUS的性能平均比最先进的MIPS求解器高出3.2倍，最高可达10.9倍。