SISAP 2023 Indexing Challenge – Learned Metric Index

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.

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

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

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

---

Anotace

V originále

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 VaV	Název: Centrum excelence pro kyberkriminalitu, kyberbezpečnost a ochranu kritických informačních infrastruktur
GF23-07040K, projekt VaV	Název: Naučené indexy pro podobností hledání Investor: Grantová agentura ČR, Naučené indexy pro podobností hledání, Lead agentura
LM2018131, projekt VaV	Název: Česká národní infrastruktura pro biologická data (Akronym: ELIXIR-CZ) Investor: Ministerstvo školství, mládeže a tělovýchovy ČR, Česká národní infrastruktura pro biologická data
LM2018140, projekt VaV	Název: e-Infrastruktura CZ (Akronym: e-INFRA CZ) Investor: Ministerstvo školství, mládeže a tělovýchovy ČR, e-Infrastruktura CZ
MUNI/A/1339/2022, interní kód MU	Název: 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
MUNI/A/1590/2023, interní kód MU	Název: Využití technik umělé inteligence pro zpracování dat, komplexní analýzy a vizualizaci rozsáhlých dat Investor: Masarykova univerzita, Využití technik umělé inteligence pro zpracování dat, komplexní analýzy a vizualizaci rozsáhlých dat