[논문 리뷰] Labeled Nearest Neighbor Search and Metric Spanners via Locality Sensitive Orderings

Arnold Filtser|arXiv (Cornell University)|2022. 11. 21.

Data Management and Algorithms인용 수 4

한 줄 요약

이 논문은 고차원 유클리드 공간, ℓp 공간 및 듀얼링 공간에 대해 새로운 국소 감지 순서(ordering, LSO)를 제안하여 효율적인 레이블링된 최근접 이웃 검색(NNS) 및 메트릭 스파너 구축을 가능하게 한다. 더 큰 스트레치(stretch)를 희생함으로써 순서의 수를 줄여 스파너의 공간 복잡도와 경량성(lightness) 한계를 향상시키며, LSO를 통한 효율적인 레이블링된 NNS 데이터 구조를 설계함으로써 고차원 메트릭 공간에서의 기존 기술 수준을 크게 향상시킨다.

ABSTRACT

Chan, Har-Peled, and Jones [SICOMP 2020] developed locality-sensitive orderings (LSO) for Euclidean space. A $(τ,ρ)$-LSO is a collection $Σ$ of orderings such that for every $x,y\in\mathbb{R}^d$ there is an ordering $σ\inΣ$, where all the points between $x$ and $y$ w.r.t. $σ$ are in the $ρ$-neighborhood of either $x$ or $y$. In essence, LSO allow one to reduce problems to the $1$-dimensional line. Later, Filtser and Le [STOC 2022] developed LSO's for doubling metrics, general metric spaces, and minor free graphs. For Euclidean and doubling spaces, the number of orderings in the LSO is exponential in the dimension, which made them mainly useful for the low dimensional regime. In this paper, we develop new LSO's for Euclidean, $\ell_p$, and doubling spaces that allow us to trade larger stretch for a much smaller number of orderings. We then use our new LSO's (as well as the previous ones) to construct path reporting low hop spanners, fault tolerant spanners, reliable spanners, and light spanners for different metric spaces. While many nearest neighbor search (NNS) data structures were constructed for metric spaces with implicit distance representations (where the distance between two metric points can be computed using their names, e.g. Euclidean space), for other spaces almost nothing is known. In this paper we initiate the study of the labeled NNS problem, where one is allowed to artificially assign labels (short names) to metric points. We use LSO's to construct efficient labeled NNS data structures in this model.

연구 동기 및 목표

• 고차원 메트릭 공간에 대해 필요한 순서의 수를 줄이는 국소 감지 순서(LSO)를 개발하여 스트레치를 증가시키는 대가로 효율성을 확보하는 것.
• 점들이 인위적 레이블을 부여받는 레이블링된 최근접 이웃 검색(NNS) 모델을 제안하여 검색 효율성을 향상시키는 것.
• 다양한 메트릭 공간에서 경로 보고 기능, 고장 내성, 신뢰성 및 경량성을 갖춘 스파너를 새로운 LSO를 통해 구축하는 것.
• 고차원 및 듀얼링 메트릭 공간에서 스파너 오라클의 약한 희박성과 경량성에 대한 이론적 보장을 제공하는 것.
• 이전 연구가 암시적 거리 표현을 갖는 공간에 국한되어 있었던 일반 메트릭 공간에서의 레이블링된 NNS의 격차를 메우는 것.

제안 방법

• 고차원 유클리드 및 ℓp 공간에 대해 (τ,ρ)-LSO의 새로운 구성법을 제안하여 차원에 대한 지수적 순서 수를 감소시키고, 스트레치를 증가시킴으로써 지수적에서 초지수적 수준으로 감소시킨다.
• 효율적인 레이블링된 NNS 및 스파너 구축을 가능하게 하는 구조적 도구로 루트 기반 및 삼각형 LSO를 도입한다.
• ℓp 공간에서 구의 교차 성질과 체적 추론을 활용하여 필요한 순서의 수를 근사한다.
• LSO에서 유도된 경로 그래프에 대해 2-홉, 3-홉, 4-홉 스파너 오라클을 구성하고 선형 상에서 희박한 스파너 구성법을 활용하여 경로 보고 스파너를 구축한다.
• 램지 트리와 클랜 임bedding을 활용하여 일반 메트릭 공간에서 결정적 레이블링된 NNS를 달성한다.
• 메타정리(meta-theorems)를 적용하여 LSO를 약한 희박성 오라클로 변환하고, 이를 통해 (1+ϵ)-스파너 및 t-스파너의 경량성 한계를 유도한다.

실험 결과

연구 질문

• RQ1 더 큰 스트레치를 허용함으로써 고차원 유클리드 및 ℓp 공간에 대해 초지수적 순서로 LSO를 구성할 수 있는가?
• RQ2 고차원 공간에서 LSO의 스트레치와 순서 수 사이의 상호 교환 관계는 무엇인가?
• RQ3 거리가 암시적으로 표현되지 않는 일반 메트릭 공간에서 레이블링된 NNS를 효율적으로 해결할 수 있는가?
• RQ4 LSO를 어떻게 활용하여 다양한 메트릭 공간에서 저경량, 저홉, 고장 내성 스파너를 구축할 수 있는가?
• RQ5 LSO에서 유도된 스파너 오라클의 약한 희박성과 경량성에 대한 날카운계는 무엇인가?

주요 결과

• d차원 유클리드 공간에서, 약한 희박성 O_d(ϵ^(-d)) · log(1/ϵ)인 (1+ϵ)-스파너 오라클을 구성하였으며, 이는 경량성 O_d(ϵ^(-d-1)) · polylog(1/ϵ)를 암시한다.
• t ∈ [4, 2√d]인 경우, (1+ϵ)^4t-스파너 오라클을 얻었으며, 약한 희박성은 exp(d/(2t²)) · (1+2/t²) · Õ(d^1.5 / ϵ²) · log n이고, 경량성은 동일한 주기수이다.
• p ∈ [1,2]인 ℓp 공간에서, t-스파너 오라클을 얻었으며, 약한 희박성은 exp(O(d/t^p)) · Õ(d·t) · log∗n이고, 이에 해당하는 경량성도 유사하게 유도된다.
• p ∈ [2,∞]인 ℓp 공간에서, 4·d^(1−1/p)-스파너 오라클을 구성하였으며, 약한 희박성은 Õ(d^(2−1/p)) · log∗n이고, 경량성 역시 동일한 주기수이다.
• 이 논문은 일반 메트릭 공간에 대해 인위적 레이블을 사용하는 첫 번째 레이블링된 NNS 데이터 구조를 제공하였으며, 램지 트리를 통한 결정적 구성과 클랜 임베딩을 통한 확률적 구성 방식을 제시하였다.
• 일반 메트릭 공간에서 레이블링된 NNS는 초수준의 레이블 크기가 필요하다는 하한선을 제시하여, 구조적 가정의 필수성을 강조하였다.