Show simple item record

Аналіз використання методів прискорення векторного пошуку в реляційних СКБД

dc.contributor.authorКириленко, О. М.uk
dc.contributor.authorГармаш, В. В.uk
dc.contributor.authorKyrylenko, O. M.en
dc.contributor.authorGarmash, V. V.en
dc.date.accessioned2026-09-17T10:04:18Z
dc.date.available2026-09-17T10:04:18Z
dc.date.issued2026
dc.identifier.citationКириленко О. М., Гармаш В. В. Аналіз використання методів прискорення векторного пошуку в реляційних СКБД // Матеріали LV Всеукраїнської науково-технічної конференції підрозділів ВНТУ, Вінниця, 24-27 березня 2026 р. Електрон. текст. дані. 2026. Електрон. текст. дані. 2026. URI: https://conferences.vntu.edu.ua/index.php/all-fksa/all-fksa-2026/paper/view/28271.uk
dc.identifier.urihttps://ir.lib.vntu.edu.ua/handle/123456789/54419
dc.description.abstractкерування базами даних. Розглянуто точний пошук за повним перебором, попереднє фільтрування кандидатів та наближений пошук найближчих сусідів на основі індексів IVF і HNSW. Основну увагу приділено особливостям реалізації векторного пошуку в PostgreSQL із розширенням pgvector та його узгодженню з атрибутивними SQL-предикатами.uk
dc.description.abstractExact search based on full scan, candidate pre-filtering, and approximate nearest neighbor search using IVF and HNSW indexes are considered. Particular attention is paid to the implementation of vector search in PostgreSQL with the pgvector extension and to its integration with attribute-based SQL predicates.en
dc.language.isouk_UAuk_UA
dc.publisherВНТУuk
dc.relation.ispartofМатеріали LV Всеукраїнської науково-технічної конференції підрозділів ВНТУ, Вінниця, 24-27 березня 2026 р. Електрон. текст. дані. 2026.uk
dc.relation.urihttps://conferences.vntu.edu.ua/index.php/all-fksa/all-fksa-2026/paper/view/28271
dc.subjectвекторний пошукuk
dc.subjectреляційні СКБДuk
dc.subjectPostgreSQLen
dc.subjectpgvectoren
dc.subjectANNen
dc.subjectHNSWen
dc.subjectIVFen
dc.subjectоптимізаціязапитівuk
dc.subjectvector searchen
dc.subjectrelational DBMSen
dc.subjectapproximate nearest neighbor searchen
dc.subjectquery optimizationen
dc.titleАналіз використання методів прискорення векторного пошуку в реляційних СКБДuk
dc.typeThesis
dc.identifier.udc004.65
dc.relation.referencesMalkov Yu. A., Yashunin D. A. Efficient and robust approximate nearest neighbor search using Hierarchical Navigable Small World graphs. IEEE Transactions on Pattern Analysis and Machine Intelligence. 2020. Vol. 42, no. 4. P. 824–836. DOI: 10.1109/TPAMI.2018.2889473. Johnson J., Douze M., Jgou H. Billion-scale similarity search with GPUs. IEEE Transactions on Big Data. 2021. Vol. 7, no. 3. P. 535–547. DOI: 10.1109/TBDATA.2019.2921572. Subramanya S. J., Devvrit, Simhadri H. V., Krishnaswamy R., Kadekodi R. DiskANN: Fast Accurate Billion-point Nearest Neighbor Search on a Single Node. In: Advances in Neural Information Processing Systems (NeurIPS 2019). 2019. PostgreSQL Global Development Group. PostgreSQL documentation [Electronic resource]. Available at: PostgreSQL official documentation. Aumller M., Bernhardsson E., Faithfull A. ANN-Benchmarks: A benchmarking tool for approximate nearest neighbor algorithms. Information Systems. 2020. Vol. 87. Art. 101374. DOI: 10.1016/j.is.2019.02.006.en


Files in this item

Thumbnail
Name:
28271.pdf
Size:
236.7Kb
Format:
PDF
View/Open

This item appears in the following Collection(s)

Show simple item record