最近鄰算法調研

不管是圖像檢索、視頻檢索仍是長文本檢索，只要涉及到檢索，必然須要創建索引。創建索引就是預處理的過程，用空間換時間，而有時空間的節省每每可以下降時間複雜度。磨刀不誤砍柴工，就像考試以前好好複習同樣，先把知識緩存下來，提取知識的時候纔可以更加迅速。

文本倒排索引是索引的一種，這種方式終究沒法應對海量數據。

圖像檢索、視頻檢索、音頻檢索所使用的套路很是相近：

• 對內容提取特徵
• 對特徵進行壓縮、規整，獲得向量，至關於哈希值
• 查詢時，對待查詢視頻提取特徵、計算哈希，去向量庫中檢索

其中最後一步，拿一個向量去向量庫中檢索，這個問題名叫最近鄰近似搜索（Approximate Nearest Neighbor，ANN）。

阿里巴巴工程師提出一種很是迅猛的算法：
Fast Approximate Nearest Neighbor Search With The Navigating Spreading-out Graph

搜索最近k個近鄰的，時間複雜度接近於log N。

Annoy（Spotify開源的ANN庫）的做者Erik Bernhardsson作了一個ANN-benchmarks。

創建索引以後，是否支持動態更新又是另外一個問題。

平衡樹、紅黑樹、堆等數據結構也至關於一種索引，它們都實現了增刪改查。

袁勇博客，ANN問題綜述：https://yongyuan.name/blog/ann-search.html
袁勇github，使用matlab實現比較各類ANN算法
Annoy源碼解讀：https://blog.csdn.net/KIDGIN7439/article/details/76599027

ANN庫官網：http://www.cs.umd.edu/~mount/ANN/

參考資料

https://www.zhihu.com/question/280496610/answer/429491463
https://zhuanlan.zhihu.com/p/37381294
https://zhuanlan.zhihu.com/p/35760535
https://zhuanlan.zhihu.com/p/29282342
https://zhuanlan.zhihu.com/p/43972326
faiss原理：https://zhuanlan.zhihu.com/c_159623040
高維空間最近鄰算法評測：https://zhuanlan.zhihu.com/p/37381294