Page 138 - 《软件学报》2026年第3期

王可 等: 面向批量更新的向量索引召回率优化 1101

表 5 索引检索效率 (top-K=10) 表 6 索引检索效率 (top-K=20)

Batch检索 Opt检索 Batch检索 Opt检索
数据集 索引参数 efSearch 数据集 索引参数 efSearch
时间 (ms) 时间 (ms) 时间 (ms) 时间 (ms)
64 678 586 64 694 571
M=24, 100 1 672 1 415 M=24, 100 1 594 1 393
GIST1M GIST1M
efC=64 150 2 878 2 483 efC=64 150 2 695 2 426
200 4 252 3 723 200 3 981 3 629
64 344 303 64 329 303
M=24, 100 800 696 M=24, 100 767 696
Enron Enron
efC=64 150 1 412 1 199 efC=64 150 1 374 1 205
200 2 151 1 798 200 2 028 1 802
100 966 1 024 100 926 966
M=48, 150 1 460 1 532 M=48, 150 1 384 1 441
MSong MSong
efC=100 200 2 066 2 143 efC=100 200 1 928 1 991
300 2 886 3 011 300 2 665 2 704

结合第 4.2 节中索引召回率结果, 召回率得到了提升, 查询时长减少, 因此, 相似向量的邻居关系的质量得到
了改善. 本文方法会引入额外的计算成本, 为相似向量选择枢纽向量和减少空间覆盖引起的过度剪枝, 双重剪枝策
略为向量保留了较优的邻居关系.

5 结 论

本文聚焦于批量插入相似数据场景下 HNSW 索引的召回率退化问题, 提出了一种基于图结构局部调整的自
适应细粒度剪枝策略, 以提升其在批量更新场景下的鲁棒性与检索精度. 首先, 本文通过深入的实验与理论分析发
现, 过度剪枝效应以及其引发的相似向量连接稀疏化问题是导致查询召回率下降的主要原因. 基于此发现, 本文所
提出的优化策略构建了一个多阶段的识别与修复框架: 在识别阶段, 以数据驱动的方法确定诊断阈值, 并通过区域
邻居平均距离实现了对致密区域的精准定位; 在修复阶段, 针对处于致密区域的节点, 采用双重剪枝的邻居选择机
制. 该机制通过并行应用原生与修正的剪枝规则, 并对两者的结果进行合并, 在保留高精度近邻的同时, 融入了具
有方向多样性的邻居, 从而协同地缓解了过度剪枝与连接稀疏化这两大缺陷. 最后, 在多个公开数据集上的实验评
估表明, 本文提出的优化方法在不引入显著查询开销的前提下, 能够有效提升索引的召回率, 展现了其在面对批量
数据更新场景的有效性与实用性.

References
[1] Tian Y, Yue ZY, Zhang RY, Zhao X, Zheng BL, Zhou XF. Approximate nearest neighbor search in high dimensional vector databases:
Current research and future directions. IEEE Data Engineering Bulletin, 2023, 47(3): 39–54.
[2] Qin JB, Wang W, Xiao C, Zhang Y. Similarity query processing for high-dimensional data. Proc. of the VLDB Endowment, 2020,
13(12): 3437–3440. [doi: 10.14778/3415478.3415564]
[3] Qin JB, Wang W, Xiao C, Zhang Y, Wang YS. High-dimensional similarity query processing for data science. In: Proc. of the 27th ACM
SIGKDD Conf. on Knowledge Discovery & Data Mining. Singapore: ACM, 2021. 4062–4063. [doi: 10.1145/3447548.3470811]
[4] Li W, Zhang Y, Sun YF, Wang W, Li MJ, Zhang WJ, Lin XM. Approximate nearest neighbor search on high dimensional data —
Experiments, analyses, and improvement. IEEE Trans. on Knowledge and Data Engineering, 2020, 32(8): 1475–1488. [doi: 10.1109/
TKDE.2019.2909204]
[5] Yasser M, Hussain KF, Ali SA. Comparative analysis of similarity methods in high-dimensional vectors: A review. In: Proc. of the 2023
Int’l Conf. on Artificial Intelligence Science and Applications in Industry and Society (CAISAIS). Galala: IEEE, 2023. 1–6. [doi: 10.1109/
CAISAIS59399.2023.10270776]
[6] Zhao X, Tian Y, Huang K, Zheng BL, Zhou XF. Towards efficient index construction and approximate nearest neighbor search in high-
dimensional spaces. Proc. of the VLDB Endowment, 2023, 16(8): 1979–1991. [doi: 10.14778/3594512.3594527]
[7] Wang YS, Li PF, Wang ZQ, Zhu QM. Survey on multimodal information extraction research. Ruan Jian Xue Bao/Journal of Software,