k-최근접 이웃(k-nearest neighbor, k-NN) 그래프를 구성하는 것은 추천 시스템, 정보 검색, 데이터 마이닝 및 머신러닝 분야에서의 기본 연산이다. k-NN 그래프 구성을 위한 많은 알고리즘이 제안되었음에도 불구하고, 기존 접근법은 다양한 유형의 유사성 척도에 대해 사용할 수 없거나, 노드 수 또는 차원이 증가함에 따라 접근법의 성능이 저하된다. 본 논문에서는 균형 잡힌 캐노피 클러스터링(balanced canopy clustering)에 기반한 k-NN 그래프 구성의 새로운 알고리즘을 제시한다. 실험 결과, 노드 수나 차원 수와 무관하게 본 알고리즘은 정확도 약 92%를 유지하면서도 무차별 대입(brute-force) 방식에 비해 최소 5배 이상 빠른 것으로 나타났다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.