如何对数据进行高效的检索一直是个热门话题。传统的索引方法在大数据环境下进行最近邻查找时，面临着查找速度慢、准确率不高等问题。为了保证检索效率，人们往往会牺牲一定的准确度来换取更高的查询效率。随着机器学习和神经网络的发展，采用基于深度学习的可学习索引模型，将检索过程使用神经网络的查找进行代替成为一种可行的方法。实验结果表明，在解决最近邻查找问题时，使用包含输入层、神经网络层、索引层和输出层等四个层次的深度学习模型，能够在保持一定查找准确率的基础上，在查找时间上取得优势。
科研之友
微信
新浪微博
Facebook
分享链接
