[論文レビュー] When Hashing Met Matching: Efficient Search for Potential Matches in Ride Sharing

Chinmoy Dutta|arXiv (Cornell University)|Sep 7, 2018

Optimization and Search Problems被引用数 3

ひとこと要約

この論文は、大規模なライドシェアリングプラットフォームにおける効率的なライドマッチングのための局所性に敏感なハッシュ（LSH）ベースのアルゴリズムを提案している。最大内積探索（MIPS）を活用することで、空間計算量 O(n^{1+ρ} log k) で、時間計算量 O(n^ρ(k + log n) log k) の部分線形時間で、ρ < 1 の条件下で k 個の近似的に最適なマッチを高確率で取得できる。この手法により、大規模なライドプールからの近似的に最適なマッチの高速検索が可能になる。

ABSTRACT

We study the problem of matching rides in a ride sharing platform. Such platforms face the daunting combinatorial task of finding potential matches for rides from a matching pool of tens of thousands of rides very efficiently while retaining near-optimality compared to an exhaustive search. We formalize this problem and present a novel algorithm for it based on the beautiful theory of locality sensitive hashing for Maximum Inner Product Search (MIPS). The proposed algorithm can find $k$ (can be practically a constant for ride sharing platforms) potential matches for a given ride from a pool of $n$ rides in sub-linear time $O(n^ ho (k + \log n) \log k)$ for $ ho < 1$, which is significant saving compared to an exhaustive search in the pool requiring $O(n)$ time. The space requirement for our algorithm is $O(n^{1 + ho} \log k)$. We show that the set of $k$ potential matches include the near-optimal ones with high probability. Implementation of our algorithm could efficiently find near-optimal set of potential matches with high probability from a pool of thousands of real rides.

研究の動機と目的

• 数万件ものライドが存在する大規模なプールからリアルタイムでライドをマッチングする際の計算課題に対処すること。
• 潜在的なマッチの特定における時間計算量を O(n) から部分線形時間 O(n^ρ(k + log n) log k) に低減し、実用的な効率性を実現すること。
• 全探索と比較して近似的に最適なマッチを維持しつつ、計算量を著しく削減すること。
• 理論的保証を用いて、返されるマッチセットに近似的に最適なものが高確率で含まれることを保証すること。
• 数千件の同時ライドリクエストに対応可能なスケーラブルな展開を、実世界のライドシェアリングプラットフォームで可能にすること。

提案手法

• LSH理論を活用できるように、ライドマッチング問題を最大内積探索（MIPS）タスクとして形式化すること。
• MIPSに特化した局所性に敏感なハッシュ技術を適応し、高次元空間における効率的な類似度検索を可能にすること。
• ライドプールの高速検索を可能にするために、空間計算量 O(n^{1+ρ} log k) のデータ構造を設計すること。
• ρ < 1 のパラメータを用いて、検索速度と正確さのトレードオフを制御し、部分線形時間でのクエリ処理を実現すること。
• 確率的保証を用いて、返される k 個のマッチに近似的に最適なものが高確率で含まれることを保証すること。
• 出発地、到着地、時間、容量といった特徴を含む実世界のライドデータを処理できるようにアルゴリズムを実装すること。

実験結果

リサーチクエスチョン

• RQ1 MIPS用の局所性に敏感なハッシュは、リアルタイムのライドシェアリングプラットフォームにおけるライドマッチングのスケーリングに効果的に適応可能か？
• RQ2 LSHベースのMIPSを用いた k 個の近的最適マッチの取得における理論的時間計算量と空間計算量は何か？
• RQ3 提案手法は、全探索と比較して、近的最適マッチを高確率で含むことをどのように保証するか？
• RQ4 大規模なライドプールにおいて、マッチ品質を維持しつつ、クエリ時間の短縮はどの程度達成されるか？
• RQ5 本手法は、数千件のライドを含む実世界のライドシェアリングデータセットに実用的に展開可能か？

主な発見

• 提案されたアルゴリズムは、ρ < 1 の条件下で、k 個のマッチ取得に部分線形時間 O(n^ρ(k + log n) log k) を達成し、全探索の O(n) と比べて著しく高速である。
• 空間計算量は O(n^{1+ρ} log k) であり、実用的なメモリ使用量で大規模なライドプールにスケーラブルに適合する。
• LSH理論による保証を活用し、返される k 個のマッチには近的最適なものが高確率で含まれる。
• 実験的評価により、数千件の実ライドを含むプールから近的最適なマッチが効率的に取得できることを確認した。
• ライドプールのサイズが拡大しても、強いパフォーマンスを維持でき、生産環境におけるリアルタイム動作を可能にする。