排序方式： 共有1条查询结果，搜索用时 15 毫秒
1
1.
在实体检索任务中，为了从大规模实体库中高效筛选与查询相关的候选实体，可使用稠密向量检索模型.然而在现有的稠密向量检索模型中，由于实体向量维度较高，导致实时计算效率较低、存储空间较大.文中通过实验发现这些实体向量存在大量的冗余信息：一方面，绝大多数实体向量分布在互不相同的象限里；另一方面，语义相近的实体所在的象限也更近.因此，文中提出二值化的实体检索方法，用于压缩实体向量，加速相似度计算.具体而言，方法利用符号函数(sign),二值化压缩高维稠密的浮点向量，并通过汉明距离加快检索.从理论上分析文中方法保证检索性能的原因.通过定性、定量的分析实验验证理论的正确性，并给出基于随机升维旋转的二值检索性能改善方法. 相似文献
1