Los datos vectoriales son prevalentes en aplicaciones empresariales y científicas, y su popularidad está creciendo con la proliferación de embeddings aprendidos. Las colecciones de datos vectoriales a menudo alcanzan miles de millones de vectores con miles de dimensiones, lo que aumenta la complejidad de su análisis. La búsqueda vectorial es la columna vertebral de muchas tareas analíticas críticas, y los métodos basados en grafos se han convertido en la mejor opción para tareas analíticas que no requieren garantías sobre la calidad de las respuestas. Aunque se han empleado varios paradigmas (selección de semillas, inserción incremental, propagación de vecindario, diversificación de vecindario y divide y vencerás) para diseñar algoritmos de búsqueda vectorial basada en grafos en memoria, aún falta una comparación sistemática de los avances algorítmicos clave. Realizamos una evaluación experimental exhaustiva de doce métodos de última generación en siete colecciones de datos reales, con tamaños de hasta 1 mil millones de vectores. Compartimos ideas clave sobre las fortalezas y limitaciones de estos métodos; por ejemplo, los mejores enfoques suelen estar basados en inserción incremental y diversificación de vecindario, y la elección del grafo base puede afectar la escalabilidad. Finalmente, discutimos direcciones de investigación abiertas, como la importancia de idear estrategias más sofisticadas de selección y diversificación adaptativa de semillas.
Azizi et al. (Sat,) estudiaron esta cuestión.