多次元ハイパープレーンハッシング

ハッシングは、迅速な近接隣接検索のための技術としてますます人気が高まっています。古典的なポイント間検索においては成功を収めているにもかかわらず、点からハイパープレーンへの検索に関する研究はほとんど行われておらず、これはSVMを用いたアクティブラーニングのようなアプリケーションのスケールアップに強い実用的能力を持っています。既存のハイパープレーンハッシング手法は、ランダムに生成されたハッシュコードに基づいて迅速な検索を可能にしますが、依然として低い衝突確率に悩まされており、満足のいくパフォーマンスを得るためには通常長いコードを必要とします。この問題を克服するために、本論文では複数の線形射影を用いてハッシュビットを生成する多次元ハイパープレーンハッシングを提案します。我々の理論分析は、偶数のランダムな線形射影を用いることで、多次元ハッシュ関数がハイパープレーンクエリに対して強い局所感度を持つことを示しています。その角度距離に対する感度を活用するために、コンパクトな多次元ハッシングのための角度量子化に基づく学習フレームワークをさらに導入し、ハッシュビットを少なくして検索性能を大幅に向上させます。二つのデータセットでの大規模（最大100万件）アクティブラーニングへの応用に関する実験は、提案されたアプローチの全体的な優位性を示しています。