Exploiting Global Impact Ordering for Higher Throughput in Selective Search
Exploiting Global Impact Ordering for Higher Throughput in Selective Search
复制标题
DOI：
10.1007/978-3-030-15719-7_2
复制
发表时间：
2019-04
期刊：
影响因子：
--
通讯作者：
Michal Siedlaczek;Juan Rodriguez;Torsten Suel
中科院分区：
文献类型：
--
作者：
Michal Siedlaczek;Juan Rodriguez;Torsten Suel
我们研究了在选择性搜索架构中利用全局影响排序的潜在好处。我们提出了一个广义的，排序意识版本的学习排名资源框架[9]沿着修改后的选择策略。通过允许部分分片处理，我们能够实现一个更好的初始查询成本和精度之间的权衡比目前的最新技术水平。因此，我们的解决方案是适合于增加查询吞吐量期间的峰值负载或在低资源系统。
We investigate potential benefits of exploiting a global impact ordering in a selective search architecture. We propose a generalized, ordering-aware version of the learning-to-rank-resources framework [9] along with a modified selection strategy. By allowing partial shard processing we are able to achieve a better initial trade-off between query cost and precision than the current state of the art. Thus, our solution is suitable for increasing query throughput during periods of peak load or in low-resource systems.