Flexible Similarity Search of Semantic Vectors Using Fulltext
Search Engines

D 2017

Flexible Similarity Search of Semantic Vectors Using Fulltext Search Engines

RŮŽIČKA, Michal, Vít NOVOTNÝ, Petr SOJKA, Jan POMIKÁLEK, Radim ŘEHŮŘEK et. al.

Základní údaje

Originální název

Flexible Similarity Search of Semantic Vectors Using Fulltext Search Engines

Autoři

RŮŽIČKA, Michal (203 Česká republika, domácí), Vít NOVOTNÝ (203 Česká republika, domácí), Petr SOJKA (203 Česká republika, garant, domácí), Jan POMIKÁLEK (203 Česká republika) a Radim ŘEHŮŘEK (203 Česká republika)

Vydání

Vienna, Austria, CEUR Workshop Proceedings, Vol. 1923, od s. 1-12, 12 s. 2017

Nakladatel

Neuveden

Další údaje

Jazyk

angličtina

Typ výsledku

Stať ve sborníku

Obor

10201 Computer sciences, information science, bioinformatics

Stát vydavatele

Rakousko

Utajení

není předmětem státního či obchodního tajemství

Forma vydání

elektronická verze "online"

Odkazy

Workshop homepage Proceedings volume landing page Conference homepage Full text

Kód RIV

RIV/00216224:14330/17:00094375

Organizační jednotka

Fakulta informatiky

ISSN

Klíčová slova anglicky

vector space modelling; semantic vectors encodings; inverted-index; systems performance; document representations; Latent Semantic Analysis; doc2vec; GloVe; Elasticsearch; evaluation; performance optimization

Příznaky

Mezinárodní význam, Recenzováno

Změněno: 3. 1. 2023 15:15, RNDr. Vít Starý Novotný, Ph.D.

Anotace

V originále

Vector representations and vector space modeling (VSM) play a central role in modern machine learning. In our recent research we proposed a novel approach to ‘vector similarity searching’ over dense semantic vector representations. This approach can be deployed on top of traditional inverted-index-based fulltext engines, taking advantage of their robustness, stability, scalability and ubiquity. In this paper we validate our method using varied datasets ranging from text representations and embeddings (LSA, doc2vec, GloVe) to SIFT descriptors of image data. We show how our approach handles the indexing and querying in these domains, building a fast and scalable vector database with a tunable trade-off between vector search performance and quality, backed by a standard fulltext engine such as Elasticsearch.

Návaznosti

MUNI/A/0997/2016, interní kód MU

Název: Aplikovaný výzkum na FI: vyhledávacích systémy, bezpečnost, vizualizace dat a virtuální realita.

Investor: Masarykova univerzita, Aplikovaný výzkum na FI: vyhledávacích systémy, bezpečnost, vizualizace dat a virtuální realita., DO R. 2020_Kategorie A - Specifický výzkum - Studentské výzkumné projekty

TD03000295, projekt VaV

Název: Inteligentní software pro sémantické hledání dokumentů (Akronym: ISSHD)

Investor: Technologická agentura ČR, Inteligentní software pro sémantické hledání dokumentů

Citovat

RŮŽIČKA, Michal, Vít NOVOTNÝ, Petr SOJKA, Jan POMIKÁLEK a Radim ŘEHŮŘEK. Flexible Similarity Search of Semantic Vectors Using Fulltext Search Engines. Online. In CEUR Workshop Proceedings, Vol. 1923. Vienna, Austria: Neuveden, 2017, s. 1-12. ISSN 1613-0073.

@inproceedings{1392125,
   author = {Růžička, Michal and Novotný, Vít and Sojka, Petr and Pomikálek, Jan and Řehůřek, Radim},
   address = {Vienna, Austria},
   booktitle = {CEUR Workshop Proceedings, Vol. 1923},
   keywords = {vector space modelling; semantic vectors encodings; inverted-index; systems performance; document representations; Latent Semantic Analysis; doc2vec; GloVe; Elasticsearch; evaluation; performance optimization},
   howpublished = {elektronická verze "online"},
   language = {eng},
   location = {Vienna, Austria},
   pages = {1-12},
   publisher = {Neuveden},
   title = {Flexible Similarity Search of Semantic Vectors Using Fulltext Search Engines},
   url = {https://usc-isi-i2.github.io/ISWC17workshop/},
   year = {2017}
}

TY  - JOUR
ID  - 1392125
AU  - Růžička, Michal - Novotný, Vít - Sojka, Petr - Pomikálek, Jan - Řehůřek, Radim
PY  - 2017
TI  - Flexible Similarity Search of Semantic Vectors Using Fulltext Search Engines
PB  - Neuveden
CY  - Vienna, Austria
KW  - vector space modelling
KW  - semantic vectors encodings
KW  - inverted-index
KW  - systems performance
KW  - document representations
KW  - Latent Semantic Analysis
KW  - doc2vec
KW  - GloVe
KW  - Elasticsearch
KW  - evaluation
KW  - performance optimization
UR  - https://usc-isi-i2.github.io/ISWC17workshop/
N2  - Vector representations and vector space modeling (VSM) play a central role in modern machine learning. In our recent research we proposed a novel approach to ‘vector similarity searching’ over dense semantic vector representations. This approach can be deployed on top of traditional inverted-index-based fulltext engines, taking advantage of their robustness, stability, scalability and ubiquity. In this paper we validate our method using varied datasets ranging from text representations and embeddings (LSA, doc2vec, GloVe) to SIFT descriptors of image data. We show how our approach handles the indexing and querying in these domains, building a fast and scalable vector database with a tunable trade-off between vector search performance and quality, backed by a standard fulltext engine such as Elasticsearch.
ER  -

RŮŽIČKA, Michal, Vít NOVOTNÝ, Petr SOJKA, Jan POMIKÁLEK a Radim ŘEHŮŘEK. Flexible Similarity Search of Semantic Vectors Using Fulltext Search Engines. Online. In \textit{CEUR Workshop Proceedings, Vol. 1923}. Vienna, Austria: Neuveden, 2017, s.~1-12. ISSN~1613-0073.

Podrobný výpis o publikaci