[論文レビュー] The L1 Nearest Neighbor Searching with Uncertain Queries

Haitao Wang, Wuzhou Zhang|arXiv (Cornell University)|Nov 21, 2012

Data Management and Algorithms参考文献 25被引用数 3

ひとこと要約

本稿では、クエリ点が離散確率分布として表される不確実な状態にある場合のL1距離測度におけるtop-k近傍探索のための効率的なデータ構造およびアルゴリズムを提示する。前処理時間はO(n log n log log n)、クエリ時間はO(m log m + (k + m) log² n)を達成しており、時間的・空間的計算量の両面で先行研究を著しく改善している。

ABSTRACT

In this paper, we present algorithms and data structures for the top-k nearest neighbor searching where the input points are exact and the query point is uncertain under the L1 distance metric in the plane. The uncertain query point is represented by a discrete probability density function, and the goal is to return the top-k expected nearest neighbors, which have the smallest expected distances to the query point. Given a set of n exact points in the plane, we build an O(n log n log log n)-size data structure in O(n log n log log n) time, such that for any uncertain query point with m possible locations and any integer k with 1\leq k\leq n, the top-k expected nearest neighbors can be found in O(mlogm + (k+m)log^2 n) time. Even for the special case where k = 1, our result is better than the previously best method (in PODS 2012), which requires O(n log^2 n) preprocessing time, O(n log^2 n) space, and O(m^2 log^3 n) query time. In addition, for the one-dimensional version of this problem, our approach can build an O(n)-size data structure in O(n log n) time that can support O(min{mk,mlog m} + k + log n) time queries and the query time can be reduced to O(k+m+log n) time if the locations of Q are given sorted. In fact, the problem is equivalent to the aggregate or group nearest neighbor searching with the weighted SUM as the aggregate distance function operator.

研究の動機と目的

• クエリ点が離散確率分布として表される不確実な状態にある場合のtop-k近傍探索の課題に対処すること。
• 平面上のL1距離測度において、近隣の期待距離を最小化すること。
• 特に大規模な不確実なクエリに対して、従来の手法と比較して前処理時間とクエリ時間の両方を短縮すること。
• 動的k値と任意のクエリ分布をサポートするスケーラブルな不確実近傍探索の解決策を提供すること。
• 重み付きSUM演算子を用いたグループまたは集約近傍探索に一般化可能なフレームワークを確立すること。

提案手法

• 平面上のn個の正確な点に対して、O(n log n log log n)のサイズのデータ構造をO(n log n log log n)の時間で構築する。
• 平面の階層的分解を用いて、不確実なクエリ点におけるL1距離測度下での期待距離を効率的に計算する。
• クエリ処理中に優先度に基づく刈り込み戦略を採用し、計算を最も有望な候補者に限定する。
• 1次元の場合にスイープライン技術を適用することで、最適なO(n)の空間とO(n log n)の前処理時間を達成する。
• クエリ位置のソート済み入力を活用することで、距離集約処理中に順序を活かし、クエリ時間をO(k + m + log n)に短縮する。
• 不確実なクエリ問題を、重み付きSUMを距離演算子とする集約近傍探索問題に還元する。

実験結果

リサーチクエスチョン

• RQ1 L1距離測度下での不確実なクエリを用いたtop-k近傍探索において、より速いクエリ時間は達成可能か？
• RQ2 効率的なクエリ性能を維持しつつ、前処理時間と空間計算量を削減することは可能か？
• RQ3 クエリ可能な位置の数（m）とkの値が増加するに従って、性能はどのようにスケーリングするか？
• RQ4 1次元の場合に、空間とクエリ時間の両面で最適な解法が得られ、高次元に一般化可能か？
• RQ5 不確実なクエリ問題は、既知の集約近傍探索定式化にどの程度還元可能か？

主な発見

• 提案されたデータ構造により、先行研究と比較して前処理時間と空間計算量がO(n log² n)からO(n log n log log n)に削減された。
• クエリ時間はO(m² log³ n)からO(m log m + (k + m) log² n)に改善され、mが大きい場合に顕著な向上が得られた。
• 1次元の場合、O(n)の空間とO(n log n)の前処理時間を達成し、クエリ時間はO(min{mk, m log m} + k + log n)となった。
• クエリ位置がソート済みの場合、クエリ時間はさらにO(k + m + log n)に改善され、入力構造に強く適応可能であることが示された。
• 問題は重み付きSUM演算子を用いた集約近傍探索と正式に同等であるため、より広範な応用が可能となった。
• 本手法は、前回の最良手法（PODS 2012）と比較して、前処理、空間、クエリ時間のすべての主要な計算量指標で優れている。