SLANINÁKOVÁ, Terézia, David PROCHÁZKA, Matej ANTOL, Jaroslav OĽHA a Vlastislav DOHNAL. SISAP 2023 Indexing Challenge – Learned Metric Index. In Pedreira, O., Estivill-Castro, V. Similarity Search and Applications. SISAP 2023. Lecture Notes in Computer Science, vol 14289. Cham: Springer, 2023, s. 282-290. ISBN 978-3-031-46993-0. Dostupné z: https://dx.doi.org/10.1007/978-3-031-46994-7_24.
Další formáty:   BibTeX LaTeX RIS
Základní údaje
Originální název SISAP 2023 Indexing Challenge – Learned Metric Index
Autoři SLANINÁKOVÁ, Terézia (703 Slovensko, domácí), David PROCHÁZKA (203 Česká republika, domácí), Matej ANTOL (703 Slovensko, domácí), Jaroslav OĽHA (703 Slovensko, domácí) a Vlastislav DOHNAL (203 Česká republika, garant, domácí).
Vydání Cham, Similarity Search and Applications. SISAP 2023. Lecture Notes in Computer Science, vol 14289, od s. 282-290, 9 s. 2023.
Nakladatel Springer
Další údaje
Originální 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"
Impakt faktor Impact factor: 0.402 v roce 2005
Kód RIV RIV/00216224:14330/23:00132045
Organizační jednotka Fakulta informatiky
ISBN 978-3-031-46993-0
ISSN 0302-9743
Doi http://dx.doi.org/10.1007/978-3-031-46994-7_24
Klíčová slova anglicky sisap indexing challenge; learned metric index; similarity search; machine learning for indexing; performance benchmarking
Štítky LMI
Příznaky Mezinárodní význam, Recenzováno
Změnil Změnil: RNDr. Pavel Šmerk, Ph.D., učo 3880. Změněno: 7. 4. 2024 23:35.
Anotace
This submission into the SISAP Indexing Challenge examines the experimental setup and performance of the Learned Metric Index, which uses an architecture of interconnected learned models to answer similarity queries. An inherent part of this design is a great deal of flexibility in the implementation, such as the choice of particular machine learning models, or their arrangement in the overall architecture of the index. Therefore, for the sake of transparency and reproducibility, this report thoroughly describes the details of the specific Learned Metric Index implementation used to tackle the challenge.
Návaznosti
EF16_019/0000822, projekt VaVNázev: Centrum excelence pro kyberkriminalitu, kyberbezpečnost a ochranu kritických informačních infrastruktur
GF23-07040K, projekt VaVNázev: Naučené indexy pro podobností hledání
Investor: Grantová agentura ČR, Naučené indexy pro podobností hledání, Lead agentura
LM2018131, projekt VaVNázev: Česká národní infrastruktura pro biologická data (Akronym: ELIXIR-CZ)
Investor: Ministerstvo školství, mládeže a tělovýchovy ČR, Česká národní infrastruktura pro biologická data
LM2018140, projekt VaVNázev: e-Infrastruktura CZ (Akronym: e-INFRA CZ)
Investor: Ministerstvo školství, mládeže a tělovýchovy ČR, e-Infrastruktura CZ
MUNI/A/1339/2022, interní kód MUNázev: Rozvoj technik pro zpracování dat pro podporu vyhledávání, analýz a vizualizací rozsáhlých datových souborů s využitím umělé inteligence
Investor: Masarykova univerzita, Rozvoj technik pro zpracování dat pro podporu vyhledávání, analýz a vizualizací rozsáhlých datových souborů s využitím umělé inteligence
VytisknoutZobrazeno: 21. 6. 2024 06:38