Graph-based Nearest Neighbor Search: From Practice to Theory
经验表明,基于图的方法在最近邻搜索(nn)中非常成功。然而,关于其理论保证的研究却很少。本文填补了这一空白,并严格分析了基于图的神经网络算法的性能,特别是关注低维(d<log n)情况。除了最近邻图上的基本贪心算法,还分析了实践中最成功的启发式算法:通过添加快捷边来加速,通过维护动态候选列表来提高准确性。本文相信,实验分析支持的理论见解是理解基于图的神经网络算法的限制和好处的重要一步
一研究问题:
1.在图上最近搜索问题的理论分析
2.
3. 实验表明,应用于一般数据集的均匀化和致密化可以改进一些基于图的神经网络算法。