Informační systém výzkumu,
vývoje a inovací

Rejstřík informací o výsledcích

Jednoduché vyhledávání

Zpět na hledáníSISAP 2023 Indexing Challenge – Learned Metric Index (2023)výskyt výsledku

Identifikační kód RIV/00216224:14330/23:00132045
Název v anglickém jazyce SISAP 2023 Indexing Challenge – Learned Metric Index
Druh D - Stať ve sborníku
Jazyk eng - angličtina
Vědní obor 10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
Rok uplatnění 2023
Kód důvěrnosti údajů S - Úplné a pravdivé údaje o výsledku nepodléhající ochraně podle zvláštních právních předpisů.
Počet výskytů výsledku 2
Počet tvůrců celkem 5
Počet domácích tvůrců 5
Výčet všech uvedených jednotlivých tvůrců Matej Antol (státní příslušnost: SK - Slovenská republika, domácí tvůrce: A, vedidk: 8360777, orcid: 0000-0002-1380-5647)
Vlastislav Dohnal (státní příslušnost: CZ - Česká republika, domácí tvůrce: A, vedidk: 3540324, orcid: 0000-0001-7768-7435, researcherid: D-1196-2012)
Jaroslav Oľha (státní příslušnost: SK - Slovenská republika, domácí tvůrce: A, vedidk: 5911670, orcid: 0000-0003-1824-468X)
David Procházka (státní příslušnost: CZ - Česká republika, domácí tvůrce: A, vedidk: 6432246, orcid: 0009-0000-2765-8329)
Terézia Slanináková (státní příslušnost: SK - Slovenská republika, domácí tvůrce: A, orcid: 0000-0003-0502-1145)
Popis výsledku v anglickém jazyce This submission into the SISAP Indexing Challenge examines the experimental setup and performance of the Learned Metric Index, which uses an architecture of interconnected learned models to answer similarity queries. An inherent part of this design is a great deal of flexibility in the implementation, such as the choice of particular machine learning models, or their arrangement in the overall architecture of the index. Therefore, for the sake of transparency and reproducibility, this report thoroughly describes the details of the specific Learned Metric Index implementation used to tackle the challenge.
Klíčová slova oddělená středníkem sisap indexing challenge;learned metric index;similarity search;machine learning for indexing;performance benchmarking
Stránka www, na které se nachází výsledek -
DOI výsledku 10.1007/978-3-031-46994-7_24
Odkaz na údaje z výzkumu -

Údaje o výsledku v závislosti na druhu výsledku

Název sborníku Similarity Search and Applications. SISAP 2023. Lecture Notes in Computer Science, vol 14289
ISBN 9783031469930
ISSN 0302-9743
e-ISSN -
Počet stran výsledku 9
Strana od-do 282-290
Název nakladatele Springer
Místo vydání Cham
Místo konání akce Cham
Datum konání akce 2023
Typ akce podle státní příslušnosti účastníků CST - Celostátní
Kód UT WoS článku podle Web of Science -
EID výsledku v databázi Scopus 2-s2.0-85177188513

Ostatní informace o výsledku

Předkladatel Masarykova univerzita / Fakulta informatiky
Dodavatel GA0 - Grantová agentura České republiky (GA ČR)
Rok sběru 2024
Specifikace RIV/00216224:14330/23:00132045!RIV24-GA0-14330___
Datum poslední aktualizace výsledku 28.05.2024
Kontrolní číslo 192530829 ( v1.0 )

Informace o dalších výskytech výsledku dodaného stejným předkladatelem

Dodáno MŠMT v roce 2024 RIV/00216224:14330/23:00132045 v dodávce dat RIV24-MSM-14330___

Odkazy na výzkumné aktivity, při jejichž řešení výsledek vznikl

Projekt podporovaný MŠMT v programu EF EF16_019/0000822 - Centrum excelence pro kyberkriminalitu, kyberbezpečnost a ochranu kritických informačních infrastruktur (2018 - 2022)
Projekt podporovaný GA ČR v programu GF GF23-07040K - Naučené indexy pro podobností hledání (2023 - 2026)
Projekt podporovaný MŠMT v programu LM LM2018131 - Česká národní infrastruktura pro biologická data (2020 - 2022)
Projekt podporovaný MŠMT v programu LM LM2018140 - e-Infrastruktura CZ (2020 - 2022)
Podpora / návaznosti Specifický výzkum na vysokých školách, poskytovatel MŠMT
Vyhledávání ...