비교 기반 근사 최근접 이웃 탐색

초록

이 논문은 거리값을 직접 얻을 수 없는 숨겨진 공간에서, 두 기준 객체와 질의 객체를 비교해 더 가까운 기준 객체를 알려주는 유사도 오라클만을 이용해 근사 최근접 이웃(ANN) 검색을 수행하는 알고리즘을 제안한다. 인간 사용자가 직관적으로 “어느 것이 더 비슷한가”라는 판단만 가능하다는 전제 하에, 비교 기반 트리 구조와 샘플링 전략을 결합해 효율적인 검색을 구현한다.

상세 분석

본 연구는 전통적인 거리 기반 최근접 이웃 검색이 불가능한 상황, 즉 객체 간 절대 거리값을 알 수 없고 오직 삼중 비교(triple comparison)만 가능한 경우를 모델링한다. 저자들은 “유사도 오라클”이라는 추상화된 인터페이스를 정의한다. 오라클은 두 개의 레퍼런스 객체 a, b와 질의 객체 q를 입력받아, d(q,a)와 d(q,b) 중 더 작은 쪽을 반환한다. 이는 인간이 “a가 q와 더 비슷한가, b가 더 비슷한가”라는 질문에 답할 수 있는 능력을 수학적으로 표현한 것이다.

알고리즘의 핵심은 비교 트리(comparison tree)와 샘플링 기반 후보 집합 생성이다. 먼저 전체 데이터베이스를 재귀적으로 두 개의 대표 객체(centroid)로 분할한다. 각 분할 단계에서 오라클을 이용해 데이터 포인트가 어느 쪽에 더 가깝게 위치하는지를 판단하고, 이를 기반으로 이진 트리를 구축한다. 트리의 깊이는 O(log n)이며, 각 노드에서 수행되는 비교 횟수는 상수 수준이다.

검색 단계에서는 질의 q를 트리의 루트부터 내려가며, 각 노드에서 오라클을 호출해 왼쪽 혹은 오른쪽 서브트리로 이동한다. 이 과정은 전통적인 kd‑tree와 유사하지만, 거리 계산 대신 비교만 사용한다는 점에서 차별화된다. 트리 탐색이 끝난 뒤, 도달한 리프 노드에 포함된 객체들을 후보 집합으로 삼고, 추가적인 비교를 통해 R‑nearest neighbor 중 하나를 선택한다.

이론적 분석에서는 두 가지 주요 성능 지표를 제시한다. 첫째, 전체 비교 횟수는 O(log n + R log R)으로, 기존의 O(n) 선형 스캔에 비해 크게 개선된다. 둘째, 근사 정확도는 오라클의 일관성(consistent oracle) 가정 하에, 선택된 후보가 실제 R‑nearest neighbor 집합에 포함될 확률이 1 − ε (ε은 알고리즘 파라미터에 의존) 이상임을 증명한다. 또한, 잡음이 있는 오라클(확률적 오류)에도 강인하도록, 다중 샘플링과 투표 메커니즘을 도입해 오류 전파를 억제한다.

실험 부분에서는 이미지 검색, 텍스트 문서 유사도, 그리고 인간 설문 기반의 주관적 유사도 데이터셋을 사용해 평가한다. 비교 기반 방법은 기존 거리 기반 LSH나 KD‑tree 대비 비슷하거나 더 높은 정밀도·재현율을 보였으며, 특히 인간이 직접 판단한 유사도 데이터에서 뛰어난 성능을 나타냈다. 또한, 오라클 호출 비용이 높은 상황에서도 전체 비교 횟수를 최소화함으로써 실시간 인터랙티브 검색이 가능함을 입증한다.

결론적으로, 이 논문은 “거리 대신 비교”라는 새로운 접근법을 체계화하고, 이론적 보증과 실험적 검증을 동시에 제공한다. 향후 연구에서는 다중 기준 비교(>2개의 레퍼런스)와 비정형 데이터에 대한 확장, 그리고 온라인 학습을 통한 오라클 적응 메커니즘이 기대된다.