摘要:
待补充 阅读全文
摘要:
KD 树的缺点: 1. kd 树适合实例数远大于向量维度的情况,当实例数和向量维度相当时,查询复杂度几乎是线性的 2. kd 树划分的区域是一个个矩形其余,而在查找最近节点时是以球形区域判断的,导致查找效率有损 Ball tree改进了区域划分方法,直接用球形区域去划分 Ball tree 构建 1 阅读全文
摘要:
相似向量的召回是推荐系统中召回阶段中非常重要的一个步骤,便利所有向量的召回方法性能太差,KD树先对向量空间进行了切分,只需要检索部分向量空间就可以获得检索结果,大大加快了检索效率。 如果实例点是随机分布的,kd树的时间复杂度是O(logN) KD 树的构造 1. 选择切分向量空间的维度,常用的有两种 阅读全文