10.3969/j.issn.1007-757X.2022.07.042
基于深度学习的可学习索引研究
如何对数据进行高效的检索一直是个热门话题.传统的索引方法在大数据环境下进行最近邻查找时,面临着查找速度慢、准确率不高等问题.为了保证检索效率,人们往往会牺牲一定的准确度来换取更高的查询效率.随着机器学习和神经网络的发展,采用基于深度学习的可学习索引模型,将检索过程使用神经网络的查找进行代替成为一种可行的方法.实验结果表明,在解决最近邻查找问题时,使用包含输入层、神经网络层、索引层和输出层等四个层次的深度学习模型,能够在保持一定查找准确率的基础上,在查找时间上取得优势.
深度学习、最近邻查找、可学习索引
38
TP393(计算技术、计算机技术)
2022-09-06(万方平台首次上网日期,不代表论文的发表时间)
共3页
151-153