Hochdimensionale Vektoreinbettungen werden häufig in Retrieval-Systemen verwendet, noch
Dimensionsreduktion (DR) wird aufgrund seiner Tendenz zur Verzerrung selten angewendet
nächster Nachbar (NN) Struktur entscheidend für die Suche. Bestehende DR-Techniken
wie PCA und UMAP optimieren globale oder mannigfaltigkeitserhaltende Kriterien, eher
als retrievalspezifische Ziele. Wir präsentieren MPAD: Maximal paarweise absolut
Unterschied, eine unbeaufsichtigte DR-Methode, die die ungefähre NN explizit beibehält
Beziehungen durch Maximierung des Spielraums zwischen k-NNs und Nicht-k-NNs unter einem Soft
Orthogonalitätsbeschränkung. Dieses Design ermöglicht es MPAD, ANN-relevant zu behalten
Geometrie ohne Aufsicht oder Änderungen am ursprünglichen Einbettungsmodell.
Experimente über mehrere Domänen hinweg zeigen, dass MPAD durchweg eine bessere Leistung erbringt
Standard-DR-Methoden zur Erhaltung der Nachbarschaftsstruktur, mehr ermöglichen
genaue Suche in reduzierten Dimensionen.

Dieser Artikel untersucht Zeitreisen und deren Auswirkungen.

PDF herunterladen: