[发明专利]用于单指令多线程或单指令多数据类型处理器的近似最近邻域搜索

说明书

近似最近邻域(ANN)搜索是计算机科学中的基本问题，在诸如机器学习和数据挖掘的领域具有大量应用。对于典型的基于图的ANN方法，搜索方法是迭代执行的，并且执行相关性禁止图形处理器单元(GPU)/GPU类型的处理器的适配。这里提出的是新颖的框架实施方式，新颖的框架将对于图方法的搜索分解成阶段，以使性能关键距离的计算并行化。另外，在一个或多个实施方式中，为了在GPU类型的组件上获得更好的并行性，还公开了新颖的特定ANN优化方法，该方法消除了动态内存分配并用较少的内存消耗进行计算。实施方式与其它方法进行了经验性比较，并且结果证实了有效性。

相关申请的交叉引用

本专利申请涉及于2019年11月25日提交的、题为“APPROXIMATE NEARESTNEIGHBOR SEARCH FOR PARALLEL PROCESSING HARDWARE COMPONENTS(用于并行处理硬件组件的近似最近邻域搜索)”的共同待定和共有的第62/940,043号美国专利申请(案卷号：28888-2373P)，并要求其优先权权益，该申请将Weijie Zhao、Shulong Tan、和Ping Li列为发明人，并且上述专利申请文件通过引用以其整体并入本文且用于所有目的。

技术领域

本公开总体涉及用于计算机学习的系统和方法，该系统和方法可提供改进的计算机性能、特征和使用。更具体地，本公开涉及当意图在处理器的特定时间进行处理时用于改进的搜索处理的实施方式。

背景技术

自计算机科学的早期以来，最近邻域(NN)搜索是个基本问题，在诸如机器学习、计算机视觉、数据挖掘、信息检索等的许多领域具有大量实际应用。NN任务的挑战是在不扫描数据存储库中的所有数据点的情况下找到最近邻域。

近年来，由于很多应用仅需找到“足够近”的邻域而非精确的最近解，因而兴起了用于近似最近邻域(ANN)搜索的方法。

在ANN搜索范式中，将每个查询与数据点的子集而非整个数据集进行比较。ANN搜索范式的问题之一是从整个数据集中获得数据的子集。为了获得子集，已经提出了各种索引结构，包括概率哈希、量化、球树或KD树变型以及基于图的搜索等。

尽管这些ANN方法(诸如基于图的ANN方法)的使用已经取得了一些成功，但这些ANN方法的确存在缺点，特别是在处理现代处理器时。对于典型的基于图的方法，搜索算法是迭代执行的，并且执行相关性禁止图形处理器单元(GPU)的适配。重大障碍在于无法有效利用功能强大的硬件工具(如GPU)。

因而，需要的是可实现的以更好地利用单指令多线程或单指令多数据类型处理器(诸如GPU)的处理能力的用于搜索的系统和方法。

发明内容

第一方面，本公开提供了一种计算机实施的方法，该方法用于在给定包括表示点的顶点和表示邻域顶点的边缘的近似图的情况下，使用一个或多个单指令多线程(SIMT)或单指令多数据(SIMD)类型处理器对查询点执行近似最近邻域搜索，该方法包括：

用来自近似图的默认起始顶点初始化二进制最小堆作为第一优先队列并初始化哈希表，第一优先队列按照距离对顶点进行升序排序；

构造空的二进制最大堆作为第二优先队列；

响应于第一优先队列不为空：

从第一优先队列中提取顶点及顶点到查询点的距离；

当第二优先队列已满时，响应于所提取的顶点到查询点的距离差于第二优先队列中的顶点候选项，不将所提取的顶点添加到第二优先队列；

响应于所提取的顶点到查询点的距离不差于第二优先队列中的至少一个顶点候选项，或者响应于第二优先队列未满，基于所提取的顶点到查询点的距离，将所提取的顶点添加到第二优先队列；

对于近似图中的、作为所提取的尚未访问的顶点的邻域的每个顶点：