发表在SIGMOD 2024上的高维向量检索/向量数据库/ANNS相关论文

前言

SIGMOD 2024会议最近刚在智利圣地亚哥结束，有关高维向量检索/向量数据库/ANNS的论文主要有5篇，涉及混合查询（带属性或范围过滤的向量检索）优化、severless向量数据库优化、量化编码优化、磁盘图索引优化。此外，也有一些其它相关论文，比如FedKNN: Secure Federated k-Nearest Neighbor Search。

下面对这些论文进行一个简单汇总介绍。

SeRF : Segment Graph for Range-Filtering Approximate Nearest Neighbor Search

这篇论文主要研究带范围过滤的向量检索问题，作者基于HNSW提出了两种范围过滤图索引：SegmentGraph和2DSegmentGraph，它们分别用于处理范围约束是半界范围和任意范围的情况。由于构建一个考虑范围情况的索引会显著增加索引处理时间和索引尺寸，这篇论文主要对离线构建过程做了大量优化，从而大幅减少离线处理开销和显著压缩了索引。比如，SegmentGraph通过无损压缩实现了索引尺寸与原始HNSW相当。

RaBitQ: Quantizing High-Dimensional Vectors with a Theoretical Error Bound for Approximate Nearest Neighbor Search