Self-organized Similarity Searching: The Social Network Approach
Jan Sedmidubský · 2008
Diky exponencialnimu narůstu digitalnich dat a jejich složitosti (jako jsou multimedia, textove dokumenty nebo vědecka data), potřebujeme techniku, ktera by nam umožnila prohledavat takoveto kolekce dat efektivně. Vhodne řeseni je založeno na distribuovaných systemech a metrickem modelu podobnosti. Velkou výzvou je ovsem posunuti se směrem k samo-organizujicim se systemům. Narozdil od distribuovaných struktur, samo-organizujici se sitě se dokaži přizpůsobovat měnicim se podminkam prostředi a umožňuji opravit vzniklou chybu s minimalnim zasahem clověka. Obecně, takoveto typy systemů se dokaži řidit a vyvijet samostatně. Výhody socialnich siti přilakaly spoustu výzkumných pracovniků, kteři navrhli řadu systemů kombinujicich peer-to-peer sitě a model socialni siti. Přehledova cast těchto tezi popisuje pravě takoveto typy systemů a rozděluje je do ctyř různých oblasti podle jejich aplikacniho použiti. Jelikož tyto přistupy využivaji různe techniky vyhledavani a spravy sve struktury, porovname je a rozdělime podle jejich spolecných rysů do několika kategorii. Na zakladě studia soucasneho stavu konstatujeme potřebu nove samo-organizujici se struktury pro podobnostni vyhledavani využivajici výhody socialnich siti. My jsme navrhli samo-organizujici se siť, nazvanou Metric Social Network (mSN), ve ktere jsou uzly propojeny, pokud jsou si semanticky podobne s ohledem na daný dotaz. Vztahy mezi uzly jsou vytvařeny podle odpovědi na jednotlive dotazy. Každý uzel si udržuje seznam dotazů, na ktere se ptal nebo na ně odpovidal, nazývaný historie dotazů. Historie dotazů reprezentuje znalost uzlu o cele siti. Využiva ji navigacni algoritmus, aby mohl efektivně rozesilat daný dotaz. Předběžne experimentalni výsledky ukazuji významný posun ve vyhledavaci výkonnosti.