最近邻算法调研

不管是图像检索、视频检索仍是长文本检索，只要涉及到检索，必然须要创建索引。创建索引就是预处理的过程，用空间换时间，而有时空间的节省每每可以下降时间复杂度。磨刀不误砍柴工，就像考试以前好好复习同样，先把知识缓存下来，提取知识的时候才可以更加迅速。

文本倒排索引是索引的一种，这种方式终究没法应对海量数据。

图像检索、视频检索、音频检索所使用的套路很是相近：

• 对内容提取特征
• 对特征进行压缩、规整，获得向量，至关于哈希值
• 查询时，对待查询视频提取特征、计算哈希，去向量库中检索

其中最后一步，拿一个向量去向量库中检索，这个问题名叫最近邻近似搜索（Approximate Nearest Neighbor，ANN）。

阿里巴巴工程师提出一种很是迅猛的算法：
Fast Approximate Nearest Neighbor Search With The Navigating Spreading-out Graph

搜索最近k个近邻的，时间复杂度接近于log N。

Annoy（Spotify开源的ANN库）的做者Erik Bernhardsson作了一个ANN-benchmarks。

创建索引以后，是否支持动态更新又是另外一个问题。

平衡树、红黑树、堆等数据结构也至关于一种索引，它们都实现了增删改查。

袁勇博客，ANN问题综述：https://yongyuan.name/blog/ann-search.html
袁勇github，使用matlab实现比较各类ANN算法
Annoy源码解读：https://blog.csdn.net/KIDGIN7439/article/details/76599027

ANN库官网：http://www.cs.umd.edu/~mount/ANN/

参考资料

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
高维空间最近邻算法评测：https://zhuanlan.zhihu.com/p/37381294