Query-aware Routing for Filtered Approximate Nearest Neighbors Search
过滤近似最近邻搜索的查询感知路由框架
🧭 向量检索 · 过滤ANN · 查询路由优化
Australian National University
提出查询感知路由，用轻量回归模型预测各方法的召回，结合离线基准表动态选择最佳召回-QPS权衡的方法
📌 工作参考价值（4 点）
- 在电商/广告带属性过滤的向量召回场景中，可借鉴查询级路由思想：线上用轻量模型（仅需3个特征）预测各候选ANN方法的召回率，根据实际需要的召回-QPS平衡点动态选择方法。
- 工程实现：预建离线基准表（方法、参数、召回、QPS），线上查表选择，路由延迟极低。
- 特征工程简化回归目标：用回归预测召回率比分类方法预测更准，且只需查询向量的简单统计量（如均值、方差）和过滤率等3个特征。
- 可将该方法集成到推荐系统的多层检索中，对硬过滤（品类、价格区间等）与向量相似度统一优化，避免单一方法全局次优。