.png){kind=icon}
返回
Benchmarking Adaptive Multidimensional Indices
.png){kind=icon}
PRE
AI
DOI：10.14778/3749646.3749709.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
通过自适应索引，索引能够通过查询处理动态且渐进式地增长。这种索引构建模式在过去十五年中得到了深入研究，并已被证明在探索性场景中特别有用，因为在这些场景中，预建索引无法弥补构建时间，查询工作负载可能动态聚焦于搜索空间的特定区域，或者数据迅速过时。尽管在多维自适应索引领域已有大量研究工作，但关于在广泛设置（包括数据类型、分布、大小和工作负载模式）下以同等条件评估这些方法的比较研究仍存在差距。本研究通过全面的基准测试填补了这一空白，旨在彻底评估现有多维自适应索引方法在不同场景下的性能、优势及局限性，为补充先前研究提供了有价值的见解。此外，我们还提出了补充性的技术扩展，以提升现有方法的效率。
Keyword:
REPRESENTATION
CRACKING
OBJECTS
期刊
P
IF:
3.3
论文数:
563
被引数:
1.2W
机构
引用论文
Sensor Information Retrieval From Internet of Things: Representation and Indexing.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏Cracking KD-Tree: The First Multidimensional Adaptive Indexing (Position Paper)破解KD树：首个多维自适应索引（立场文件）
OAAI
OAAI分享收藏分享收藏
查看更多内容