인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
학술저널
Full-text
오류 신고하기해당 페이지 내 제목·저자·목차·페이지정보가 잘못된 경우 알려주세요!
논문 기본 정보
- 저자정보
초록·키워드
Learned Index는 기계 학습을 데이터 인덱스 구조에 적용하여 데이터 분포를 학습하고 탐색 성능을 향상시키는 기법이다. 기존 Learned Index는 데이터 분포 변경 시 모델 재학습이 필요해 실시간 업데이트를 지원하지 못하는 한계가 있어, Updatable Learned Index 연구가 활발히 진행되고 있다. 본 논문은 In-place 방식에 집중하며, 이는 인덱스 생성 시 리프 노드에 여유 공간을 미리 할당하고 삽입 데이터를 이 공간에 기록하는 방식으로 동작한다. 이러한 설계는 삽입 성능을 향상시키지만 인덱스 크기를 증가시키는 요인이 된다. ALEX는 공간 효율성을 중시하여 인덱스 크기를 작게 유지하는 반면, LIPP는 더 많은 공간을 사용하여 삽입 성능을 개선하는 구조를 채택한다. 본 연구는 두 인덱스의 구조적 차이를 분석하고, 동일한 인덱스 크기 조건에서 성능을 비교하여 인덱스 크기와 성능 간의 상충관계를 정량적으로 평가한다.
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-25-02-094095029
