대용량 비디오 데이터베이스를 위한 인덱싱

Abstract

멀티미디어 데이터베이스는 고차원의 데이터에서 좋은 성능을 제공하는 인덱싱 방안이 요구된다. LSH는 트리 기반 인덱싱과 달리 해쉬의 특성을 이용하여 고차원 데이터에도 적용할 수 있는 인덱싱 방안이나, 데이터의 특성과 파라메터 설정에 따라 성능이 크게 달라지기 때문에 실제 데이터베이스에 쉽게 적용하기 어렵다. 본 논문에서는 고차원의 비디오 데이터베이스에서의 최근접 이웃 검색을 위한 LSH 인덱싱 방안에 대해 폭넓은 실험을 수행하여 LSH의 특징과 파라메터 설정에 다른 정확도 및 검색 속도 변화를 파악하였다. 또한, 실험을 통해 파악한 LSH와 고차원 데이터의 특징을 반영하는 새로운 네 가지 해쉬 함수 생성 방안을 제시하고, 실험을 통해 정확도 및 검색 속도가 향상됨을 보였다.

Multimedia databases require an indexing technique that is able to provide high performance with high dimensional data. Unlike other tree based indexing techniques, LSH inherits the characteristics of hashing, and thus is suitable for high dimensional data. However, it is difficult to apply LSH to real life databases because the performance of LSH is quite sensitive to its parameters and also the properties of datasets. In this research, we first analyze the characteristics of LSH and the changes of its accuracy and performance according to different parameter settings through extensive experiments in a video database environment. In addition, based on the results and analyses, we propose four new hash functions that reflect the properties of high dimensional datasets and show their effectiveness in terms of accuracy and performance via a series of experiments.