待验证50% 置信事实精确时间
HNSW算法的时间复杂度约为O(log N)，近似最近邻算法在召回率95-99%下将检索时间从线性降至对数级别
1
来源数
50%
置信度
长期有效
时效性
2026/8/27
首次发现
来源
涉及实体
相关事实
已验证HNSW通过构建多层图索引将搜索复杂度降至近似O(log n)，IVF通过K-means聚类分割向量空间以牺牲约5-10%召回率换取数量级速度提升80% 相似待验证精确的 K 近邻搜索（KNN）时间复杂度为 O(n×d)，在数百万级别记忆条目下延迟不可接受，ANN 算法通过牺牲极小精度换取数量级速度提升72% 相似待验证近似最近邻ANN算法如HNSW和IVF通过牺牲微小精度换取数量级速度提升72% 相似已验证向量数据库底层通常采用HNSW或IVF等近似最近邻算法，检索延迟通常低于10毫秒72% 相似待验证Douglas-Peucker算法通过迭代去除偏离度小于阈值的中间点来简化折线，时间复杂度为O(n log n)71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/809137API
curl https://kongchang.com/api/v1/knowledge/claims/809137MCP
get_claim(id=809137)