D 2017

Sketches with Unbalanced Bits for Similarity Search

MÍČ, Vladimír, David NOVÁK a Pavel ZEZULA

Základní údaje

Originální název

Sketches with Unbalanced Bits for Similarity Search

Autoři

MÍČ, Vladimír (203 Česká republika, domácí), David NOVÁK (203 Česká republika, domácí) a Pavel ZEZULA (203 Česká republika, domácí)

Vydání

Cham, Similarity Search and Applications: 10th International Conference, SISAP 2017, Munich, Germany, October 4-6, 2017, Proceedings, od s. 53-63, 11 s. 2017

Nakladatel

Springer International Publishing

Další údaje

Jazyk

angličtina

Typ výsledku

Stať ve sborníku

Obor

10201 Computer sciences, information science, bioinformatics

Stát vydavatele

Švýcarsko

Utajení

není předmětem státního či obchodního tajemství

Forma vydání

tištěná verze "print"

Kód RIV

RIV/00216224:14330/17:00095051

Organizační jednotka

Fakulta informatiky

ISBN

978-3-319-68474-1

UT WoS

000616693000004

Klíčová slova anglicky

Similarity search; Metric space; Space transformation; Hamming space; sketch

Štítky

Příznaky

Mezinárodní význam, Recenzováno
Změněno: 18. 5. 2018 09:22, RNDr. Pavel Šmerk, Ph.D.

Anotace

V originále

In order to accelerate efficiency of similarity search, compact bit-strings compared by the Hamming distance, so called sketches, have been proposed as a form of dimensionality reduction. To maximize the data compression and, at the same time, minimize the loss of information, sketches typically have the following two properties: (1) each bit divides datasets approximately in halves, i.e. bits are balanced, and (2) individual bits have low pairwise correlations, preferably zero. It has been shown that sketches with such properties are minimal with respect to the retained information. However, they are very difficult to index due to the dimensionality curse -- the range of distances is rather narrow and the distance to the nearest neighbour is high. We suggest to use sketches with unbalanced bits and we analyse their properties both analytically and experimentally. We show that such sketches can achieve practically the same quality of similarity search and they are much easier to index thanks to the decrease of distances to the nearest neighbours.

Návaznosti

GBP103/12/G084, projekt VaV
Název: Centrum pro multi-modální interpretaci dat velkého rozsahu
Investor: Grantová agentura ČR, Centrum pro multi-modální interpretaci dat velkého rozsahu