SC-LSH : une méthode d'indexation pour une recherche de similarité approximative dans l'espace multidimensionnel
Résumé
Locality Sensitive Hashing (LSH) is one of the most promising techniques for solving nearest Neighbours search problem in high dimensional space. Euclidean LSH is the most popular variation of LSH that has been successfully applied in many multimedia applications. However, the Euclidean LSH presents limitations that affect search performances. The main limitation of the Euclidean LSH is the large memory consumption. In order to achieve a good accuracy, a large number of hash tables is required. This paper propose a new hashing algorithm to overcome the storage space problem, while keeping a good accuracy and better query time. The Experimental results on a real large scale dataset show the interest of our approach
Locality Sensitive Hashing (LSH) est l'une des techniques les plus prometteuses pour la résolution des problèmes de la recherche des plus proches voisins dans l'espace de grande dimension. Euclidien Exact LSH (E2LSH) est la variante la plus populaire du LSH qui a été appliquée avec succès dans de nombreuses applications multimédia. Toutefois, l'E2LSH présente des limitations qui affectent les performances de recherche. La principale limitation de l'E2LSH est l'espace mémoire important utilisé. Afin de parvenir à une bonne qualité de recherche, un grand nombre de tables de hachage est nécessaire. Ce papier propose un nouvel algorithme de hachage pour remédier au problème d'espace de stockage, tout en conservant la bonne qualité de recherche et un meilleur temps de calcul. Les résultats expérimentaux obtenus sur une base de données réelle à grand échelle montrent l'intérêt de notre approche