二分图卷积哈希在汉明空间中的高效和有效的Top-N搜索
摘要：在双分图上进行搜索是许多现实世界中的Web应用程序的基础和多功能工具，例如在线推荐、数据库检索和查询-文档搜索。在传统方法中，给定一个查询节点，依赖于在连续欧几里得空间中矢量化节点嵌入的相似性匹配。为了有效地管理大量的相似性计算，最近发展了一些用于图结构化数据的哈希技术，成为一个新兴的研究方向。尽管在汉明空间中具有检索效率，但之前的工作仍然面临着灾难性的性能衰减。在这项工作中，我们研究了在双分图上使用图卷积网络进行哈希以进行有效的Top-N搜索的问题。我们提出了一种端到端的双分图卷积哈希方法，即BGCH，它包括三个新颖有效的模块：(1)自适应图卷积哈希，(2)潜在特征分散，(3)傅里叶序列化的梯度估计。具体地说，前两个模块实现了对结构信息的实质性保留，以抵消哈希编码中不可避免的信息损失；最后一个模块在频域中对哈希函数进行傅里叶级数分解，主要用于更准确的梯度估计。在六个现实世界数据集上进行的大量实验证明了与竞争的基于哈希的对应方法相比的性能优越性，并证明了其中包含的所有提议模型组件的有效性。
作者：Yankai Chen, Yixiang Fang, Yifei Zhang, Irwin King
论文ID：2304.00241
分类：Information Retrieval
分类简称：cs.IR
提交时间：2023-04-04