[論文レビュー] Ball*-tree: Efficient spatial indexing for constrained nearest-neighbor search in metric spaces

Mohamad Dolatshah, Ali Hadian+1 more|arXiv (Cornell University)|Nov 2, 2015

Data Management and Algorithms被引用数 24

ひとこと要約

本稿では、主成分分析（PCA）を用いてバランスの取れた低半径の分割超平面を特定することで、メトリック空間における最近傍検索を最適化した空間インデキシング構造「Ball*-tree」を提案する。この手法により、元のボールツリーと比較して検索時間を39%〜57%短縮し、空間分割の向上と制約付きクエリに適したハイブリッドKNN-範囲検索アルゴリズムを実現する。

ABSTRACT

Emerging location-based systems and data analysis frameworks requires efficient management of spatial data for approximate and exact search. Exact similarity search can be done using space partitioning data structures, such as Kd-tree, R*-tree, and Ball-tree. In this paper, we focus on Ball-tree, an efficient search tree that is specific for spatial queries which use euclidean distance. Each node of a Ball-tree defines a ball, i.e. a hypersphere that contains a subset of the points to be searched. In this paper, we propose Ball*-tree, an improved Ball-tree that is more efficient for spatial queries. Ball*-tree enjoys a modified space partitioning algorithm that considers the distribution of the data points in order to find an efficient splitting hyperplane. Also, we propose a new algorithm for KNN queries with restricted range using Ball*-tree, which performs better than both KNN and range search for such queries. Results show that Ball*-tree performs 39%-57% faster than the original Ball-tree algorithm.

研究の動機と目的

• 大規模な空間データにおける正確な最近傍（NN）検索および範囲検索の効率を向上させること。
• 従来のボールツリーにおける不均衡な分割と最適でない分割を改善するため、分割超平面の選択を最適化すること。
• 制限された距離範囲内に位置するKNNクエリを効率的に処理できるハイブリッド検索アルゴリズムを開発すること。
• 平均検索パス長を最小限に抑え、クエリ処理中の訪問ノード数を削減すること。

提案手法

• 各ノードにおけるデータ分散の主要方向を特定するため、主成分分析（PCA）を適用して最適な分割を決定する。
• 部分木のバランスを最大化するとともに、平均半径を最小化する最適化関数を用いる。
• 各内部ノードがデータポイントの部分集合を含むハイパースフィア（ボール）を表す階層的ツリー構造を構築する。
• クエリからの距離制約内にある点を効率的に取得できるように、KNNと範囲検索の論理を統合したハイブリッド検索アルゴリズムを設計する。
• データ分布に適応可能な空間分割戦略を確保し、超長方形分割で一般的に発生するコーナーポイント問題を回避する。
• 構造的およびアルゴリズム的改善により性能を向上させつつ、従来のボールツリークエリアルゴリズムとの後方互換性を維持する。

実験結果

リサーチクエスチョン

• RQ1 ボールツリーにおける空間分割をどのように最適化すれば、検索深さを短縮し、クエリパフォーマンスを向上させられるか？
• RQ2 PCAに基づく分割は、元のボールツリーで用いられる「最遠点ヒューリスティック」と比較して、よりバランスの取れたかつコンactな部分集合を生成できるか？
• RQ3 提案された制約付きNN検索アルゴリズムは、標準的なKNNおよび範囲検索と比較して、ノード訪問数とクエリ時間の点でどの程度優れているか？
• RQ4 多様なデータセットにおいて、ボールツリーおよびKDツリーと比較してBall*-treeの平均パス長およびクエリ効率はどのように差がつくか？
• RQ5 データセットサイズの増大およびデータ分布の変化に伴い、Ball*-treeのスケーラビリティはどの程度保たれるか？

主な発見

• Ball*-treeは平均パス長を19.13〜19.17に短縮し、ボールツリーを上回り、KDツリーの性能に近づいた。
• Ball*-treeは、元のボールツリーと比較して1回のクエリあたり39%〜57%のノード訪問数を削減し、一部のデータセットでは最大50%の削減を達成した。
• 実世界のデータセットでは、Ball*-treeの平均深さは13.79〜14.16であったのに対し、ボールツリーは14.78〜15.76であった。
• 制約付きNN検索アルゴリズムにより、一部のケースでノード訪問数が50%以上削減され、特にラテンセンターおよびソボル系列において顕著であった。
• 検索時間はデータセットサイズに対して劣線形に増加し、図7(b)に示すように優れたスケーラビリティを示した。
• ハイブリッド検索アルゴリズムは、制約付き環境下で標準的なKNNおよび範囲検索を著しく上回った。