待验证50% 置信事实精确时间
近似最近邻搜索（ANN）通过牺牲少量召回率将检索复杂度从精确最近邻的 O(N) 降低到近似 O(log N)，使毫秒级检索在数万级注册表下成为可能。
1
来源数
50%
置信度
长期有效
时效性
2026/10/15
首次发现
来源
涉及实体
相关事实
待验证精确的 K 近邻搜索（KNN）时间复杂度为 O(n×d)，在数百万级别记忆条目下延迟不可接受，ANN 算法通过牺牲极小精度换取数量级速度提升78% 相似待验证HNSW算法的时间复杂度约为O(log N)，近似最近邻算法在召回率95-99%下将检索时间从线性降至对数级别73% 相似已验证HNSW通过构建多层图索引将搜索复杂度降至近似O(log n)，IVF通过K-means聚类分割向量空间以牺牲约5-10%召回率换取数量级速度提升72% 相似待验证d·log p样本复杂度是过去依赖子集搜索的尖锐方法所具备的优势量级，HOST在不牺牲多项式运行时间的前提下达到了该水平71% 相似待验证局部敏感哈希LSH由Indyk和Motwani于1998年提出，可将billion级向量的最近邻搜索时间复杂度从O(n)降至近似O(1)70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1040079API
curl https://kongchang.com/api/v1/knowledge/claims/1040079MCP
get_claim(id=1040079)