数学与统计学院陕振沛博士最新研究成果发表于国际权威期刊——Engineering Applications of Artificial Intelligenc
近日,陕振沛博士最新研究成果“DF-LSH:An efficient Double Filters Locality Sensitive Hashing for approximate nearest neighbor search”在国际权威期刊《Engineering Applications of Artificial Intelligence》(中国科学院1区,影响因子7.5IF=7.5)上发表。该研究成果聚焦于局部敏感哈希(LSH)作为一种高效的随机化技术,已成为高维近似最近邻搜索领域的核心工具,在大规模推荐系统和信息检索等实际应用中发挥着关键作用。然而,传统LSH算法因哈希函数的随机性,常面临产生大量假阳性的问题,这不仅增加了检索这些假阳性所需的查询开销,还显著影响了整体检索效率。针对这一问题,近期对LSH变体虽提出了更严格的搜索方案或采用更紧凑的哈希码来识别合格候选项,但随着候选节点数量的增加,查询性能往往呈现下降趋势,难以满足日益增长的高维数据处理需求。 为有效解决上述问题,团队创新性地提出了双重过滤局部敏感哈希方案(DF-LSH)。该方案通过双重过滤机制,旨在实现高维
2025-11-20