数据库自适应查询优化技术研究

近似最近邻搜索是信息检索领域的基本技术之一,它能在大规模数据集上以较低的内存占用和更快的查询速度实现近似查询。其中,基于图的近似最近邻搜索算法是最常用的方法,该算法能够构建高质量的图索引结构,实现快速而准确的查询。然而,现有算法中存在一些查询点效率低的问题。为解决这一问题,文章提出了一种自适应查询方法,该方法将中间结果和查询向量作为模型训练的特征向量对梯度提升决策树模型进行特征训练,并将其整合到图索引结构上,以实现快速而准确的查询。实验结果表明,相对于基准算法,文章算法平均查询时间最长可减少64.4%,取得了显著的性能提升。