计算机科学 > 数据结构与算法
[提交于 2025年8月1日
]
标题: 高效直接访问的排序检索
标题: Efficient Direct-Access Ranked Retrieval
摘要: 我们研究了交互式数据工具中的直接访问排序检索(DAR)问题,其中不断变化的数据探索实践,结合大规模和高维数据集,带来了新的挑战。 DAR关注的是根据排序函数实现对任意排名位置的高效访问,而无需枚举所有前面的元组。 为了解决这一需求,我们形式化了DAR问题,并提出了一种基于几何排列的理论高效算法,实现了对数查询时间。 然而,这种方法在高维情况下存在指数级的空间复杂度。 因此,我们开发了第二类基于$\varepsilon$采样的算法,其空间消耗呈线性增长。 由于精确定位特定排名的元组具有挑战性,这与其与范围计数问题的关联有关,我们引入了一个称为一致集排序检索(CSR)的松弛变体,该变体返回一个保证包含目标元组的小子集。 为了高效解决CSR问题,我们定义了一个中间问题,条带范围检索(SRR),并设计了一个针对窄范围查询的分层采样数据结构。 我们的方法在数据规模和维度上都实现了实际的可扩展性。 我们证明了算法效率的近似最优界限,并通过在真实和合成数据集上的大量实验验证了其性能,展示了对数百万元组和数百维度的可扩展性。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.