Multi-Index Approach for Similarity Searching

Mgr. Martin Kyselák

Advanced ('rigorózní') thesis

Abstract:

S narůstajícím počtem multimediálních souborů, který vede k vytváření obrovských datových úložišť, se vyhledávání v multimédiích stává velice důležitým. Místo použití technik založených na principu přesné shody se pro tyto typy souborů ukázal jako lepší přístup založený na principu podobnosti. Výzkumná oblast podobnostního hledání se v nedávné době zaměřila na zlepšování výkonu a robustnosti indexovacích a vyhledávacích struktur. Místo snahy zlepšovat nynější moderní vyhledávací struktury jsme se rozhodli zaměřit na zlepšování celého konceptu podobnostního hledání z vyšší úrovně. Na základě našich nedávných experimentů chceme použít některé z principů Locality-sensitive hashing v oblasti metrického prostoru a navrhnout multi-indexovou architekturu systému, která by měla zlepšit výkon a robustnost systému. Navíc, s pomocí modelu této architektury, bychom měli být schopni předpovědět klíčové vlastnosti navrhovaného systému pro vyhledávání, nebo opačně – navrhnout vhodnou architekturu systému, který by splňoval požadované vlastnosti.

Abstract:

With the increasing number of multimedia files resulting in huge data repositories, effective multimedia search became very important. Instead of exact-match techniques, similarity appears more suitable for these collections. The similarity search research area is recently focusing on improving the performance and fault-tolerance of the indexing and searching structures. Instead of trying to improve current state-of-the-art structures, we are going to focus on improving the whole concept from a higher level. Based on our recent experiments, we want to use some of the Locality-sensitive hashing principles in the metric space world and propose a multi-index system architecture which should improve the performance and fault-tolerance as well. In addition, by introducing a model of this architecture, we should be able to predict the key attributes of a designed search system or, vice-versa, propose suitable architecture for a system that should fulfill given attributes.

Keywords

similarity search, recall, stability, locality-sensitive hashing, metric space, approximation, scalability

Language used: English

Date on which the thesis was submitted / produced: 25. 10. 2011

Thesis defence

• Date of defence: 13. 1. 2012
• Reader: Ph.D. Fabrizio Falchi, RNDr. Jakub Lokoč, Ph.D.

Masaryk University

Faculty of Informatics

Advanced ('rigorózní řízení') programme / field:
Applied Informatics / Applied Informatics