[논문 리뷰] When Hashing Met Matching: Efficient Search for Potential Matches in Ride Sharing

Chinmoy Dutta|arXiv (Cornell University)|2018. 09. 07.

Optimization and Search Problems인용 수 3

한 줄 요약

이 논문은 대규모 승객 공유 플랫폼에서 효율적인 라이드 매칭을 위해 국소성에 민감한 해싱(LSH) 기반 알고리즘을 제안한다. 최대 내적 곱 검색(MIPS)을 활용하여, 공간 복잡도 O(n^{1+ρ} log k)와 함께 하위선형 시간 O(n^ρ(k + log n) log k)에 k개의 근사 최적 매칭을 찾는다. 여기서 ρ < 1이다. 이 방법은 대규모 라이드 풀에서 근사 최적 매칭을 고확률로 검색함을 보장한다.

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.

연구 동기 및 목표

• 수천 개의 라이드로 구성된 대규모 풀에서 실시간으로 라이드를 매칭하는 데 발생하는 계산적 과제를 해결한다.
• 실제 효율성을 확보하기 위해 잠재적 매칭을 찾는 데 소요되는 시간 복잡도를 O(n)에서 하위선형 O(n^ρ(k + log n) log k)로 감소시킨다.
• 완전 탐색에 비해 계산을 크게 줄이면서도 매칭의 근사 최적성을 유지한다.
• 이론적 보장에 기반해 근사 최적 매칭이 반환된 집합에 고확률로 포함되도록 보장한다.
• 수천 명의 동시 라이드 요청을 처리할 수 있는 실세계 승객 공유 플랫폼에서의 확장 가능한 구현을 가능하게 한다.

제안 방법

• LSH 이론을 활용하기 위해 라이드 매칭 문제를 최대 내적 곱 검색(MIPS) 작업으로 수식화한다.
• 고차원 공간에서의 효율적 유사도 검색을 가능하게 하기 위해 MIPS에 특화된 국소성에 민감한 해싱 기법을 적응시킨다.
• 라이드 풀의 빠른 검색을 위한 데이터 구조를 설계하며, 공간 복잡도는 O(n^{1+ρ} log k)이다.
• 검색 속도와 정확도 사이의 트레이드오프를 제어하기 위해 ρ < 1인 파라미터를 사용하여 하위선형 쿼리 시간을 가능하게 한다.
• 확률적 보장을 통해 반환된 k개의 매칭에 근사 최적 매칭이 고확률로 포함되도록 보장한다.
• 출발지, 도착지, 시간, 수용 능력 등의 특징을 포함한 실세계 라이드 데이터를 처리할 수 있도록 알고리즘을 구현한다.

실험 결과

연구 질문

• RQ1 MIPS를 위한 국소성에 민감한 해싱는 실시간 승객 공유 플랫폼에서 라이드 매칭을 확장하는 데 효과적으로 적용될 수 있는가?
• RQ2 LSH 기반 MIPS를 사용할 때 k개의 근사 최적 매칭을 검색하는 이론적 시간 및 공간 복잡도는 무엇인가?
• RQ3 제안된 방법은 완전 탐색에 비해 근사 최적 매칭이 고확률로 포함되도록 보장하는가?
• RQ4 대규모 라이드 풀에서 매칭 품질을 유지하면서 쿼리 시간을 얼마나 줄일 수 있는가?
• RQ5 이 방법은 수천 개의 라이드를 포함한 실세계 승객 공유 데이터셋에 실용적으로 구현 가능한가?

주요 결과

• 제안된 알고리즘은 ρ < 1일 때 k개 매칭 검색에 대해 하위선형 쿼리 시간 O(n^ρ(k + log n) log k)을 달성하여, 완전 탐색의 O(n)에 비해 훨씬 빠르다.
• 공간 복잡도는 O(n^{1+ρ} log k)이며, 실용적인 메모리 사용량으로 대규모 라이드 풀에 대해 확장 가능하다.
• LSH 이론에 기반한 이론적 보장에 따라 알고리즘이 근사 최적 매칭을 고확률로 반환하는 집합을 제공한다.
• 실험적 평가를 통해 수천 개의 실제 라이드 풀에서 근사 최적 매칭을 효율적으로 검색할 수 있음을 확인하였다.
• 라이드 풀 크기가 커져도 강력한 성능 유지를 유지하여, 실시간 운영 환경에서의 생산 환경 적용이 가능하다.