최대 내부 제품 검색

최대 내부 제품 검색(MIPS)은 검색 문제이며, 쿼리와 검색할 데이터 항목 간에 내부 제품을 최대화하려는 검색 알고리즘의 해당 클래스가 있습니다.MIPS 알고리즘은 추천 알고리즘 및 기계 ^[1]학습을 포함한 다양한 빅데이터 애플리케이션에 사용됩니다.

형식적으로 내부 제품 $⟨{\displaystyle }$、${\displaystyle }$⋅ $、$ $display$ \ displaystyle \ $cdot$, \ $cdot$\$rangle }$가 정의된 내부 제품 공간에서 일련의 $라벨{\displaystyle }$S { $displaystyle$$$x$$_$$ { $i}$에 대해 정의된 $벡터{\displaystyle {}_{}}$ x ${\displaystyle i_{}}${ $displaystyle$x _ { i}}의$$ 데이터베이스는 MIPS 검색을 결정하는 문제로 정의할 수 있다.

${\displaystyle {i\in S}{\operatorname {arg,max}}}\\langle x_{i},q\rangle}$

q$\displaystyle$q$.$를 참조해 주세요.

명백한 선형 시간 구현이 있지만, 실제 문제에 사용하기에는 일반적으로 너무 느립니다.단, MIPS ^[1][2]검색을 고속화하기 위한 효율적인 알고리즘이 존재합니다.

MIPS는 NNS 문제에서 내부 곱을 최대화하는 것과 대응하는 거리 메트릭을 최소화하는 것과 같은 NNS 문제와 동등하다고 볼 수 있습니다.다른 형태의 NNS와 마찬가지로 MIPS 알고리즘은 대략적인 경우도 있고 ^[3]정확한 경우도 있습니다.

MIPS 검색은 DeepMind의 RETRO ^[4]알고리즘의 일부로 사용됩니다.

레퍼런스

「 」를 참조해 주세요.

• 가장 가까운 네이버 검색

이 알고리즘 또는 데이터 구조 관련 문서는 stub입니다.위키피디아를 확장함으로써 위키피디아를 도울 수 있습니다.

• v
• t