잠재적 유사성 구성 요소를 이용한 비전이 해싱

학습된 해밍 공간에서 개체 간의 의미적 유사성을 근사화하는 것은 감독 해싱 기술의 핵심입니다. 개체 간의 의미적 유사성은 종종 비전이적이며, 서로 다른 잠재적 유사성 구성 요소를 공유할 수 있습니다. 예를 들어, 소셜 네트워크에서는 사람들과 다양한 이유, 즉 공통의 관심사 공유, 같은 회사에서 근무, 동문 관계 등으로 연결됩니다. 분명히 이러한 사회적 연결은 사람들이 서로 다른 이유로 연결되어 있을 경우 비전이적입니다. 그러나 기존의 감독 해싱 방법은 쌍별 유사성 관계를 단순하고 통합적인 방식으로 처리하고 데이터를 단일 해밍 공간으로 투영하며, 비전이적 속성이 단일 해밍 공간으로는 적절히 포착되지 못한다는 것을 간과하고 있습니다. 본 논문에서는 비전이적 해싱 방법인 다중 구성 요소 해싱(MuCH)을 제안하여 비전이적 유사성 관계를 다루기 위해 잠재적 유사성 구성 요소를 식별합니다. MuCH는 각 해시 테이블이 유사성 구성 요소에 해당하는 여러 해시 테이블을 생성하고, 서로 다른 해시 테이블에 비전이적 유사성을 각각 보존합니다. 또한, 여러 해시 테이블에서 해밍 유사성을 집계하여 의미적 유사성의 비전이적 속성을 포착하는 다중 구성 요소 유사성이라는 유사성 척도를 제안합니다. 우리는 하나의 합성 데이터셋과 두 개의 공공 실제 데이터셋(DBLP 및 NUS-WIDE)에서 광범위한 실험을 수행합니다. 결과는 제안한 MuCH 방법이 특히 검색 효율성 면에서 최신 해싱 방법을 상당히 능가함을 명확히 보여줍니다.