Implementation of Unsupervised Learned Metric Index

Bc. Vojtěch Kaňa

Master's thesis

Abstract:

Obrázky, hudba, data snímána senzory a další typy vysokodimenzionálních dat tvoří většinu informací, které jsou v digitálním světě zpracovávány na denní bázi. Kvůli stále narůstajícím potřebám potřebám pro úložiště a efektivitu vyhledávání jsou prezentovány nové způsoby, jak tyto úkoly řešit. Zčásti také kvůli tomu, že současná indexovací řešení používaná v běžných databázových systémech nejsou vhodná pro multimedia. Abychom byli schopni efektivně vyhledávat v datových sadách, využíváme podobnostního hledání, ve kterém se pro vyhledávání využívá vzájemná podobnost mezi objekty. Jedním z přístupů k tomuto problému se nazývá Learned Metric Index, který pro zlepšení přesnosti a rychlosti vyhledávání používá metody strojového účení s učitelem. Pro vytvoření tohoto indexu je ale zapotřebí jiná indexovací struktura pro metrické prostory, která slouží jako učitel strojových modelů. V této diplomové práci se věnuji rozšíření Learned Metric Indexu za využití strojového učení bez učitele, za účelem eliminovat nutnost mít existující indexovací strukturu.

Abstract:

Images, music, data captured by sensors and other types of high-dimensional data form majority of the information that is getting processed on a day-to-day basis in the digital world. Due to ever-increasing needs for storage and searching efficiency, novel approaches of tackling the issue are being presented as the current indexing solutions used in database systems are not suited for working with multimedia. To be able to search in complex datasets effectively, we must first shift the paradigm from exact retrieval to similarity searching, in which we use similarity between objects for retrieval. One of the approaches is called the Learned Metric Index, which employs machine learning models to improve similarity searching performance, while needing a pre-existing indexing structure as a guide for index construction. In this thesis I work on enhancing the Learned Metric Indexes with unsupervised models in order to eliminate the need to have a pre-existing index in the process.

Keywords

machine learning, unsupervised machine learning, metric spaces, similarity searching, indexing

Language used: English

Date on which the thesis was submitted / produced: 18. 5. 2021

Thesis defence

• Date of defence: 22. 6. 2021
• Supervisor: RNDr. Matej Antol
• Reader: RNDr. Petr Eliáš, Ph.D.

Masaryk University

Faculty of Informatics

Master programme / field:
Artificial intelligence and data processing / Big data