An Exploration Graph with Continuous Refinement for Efficient Multimedia Retrieval
用于高效多媒体检索的持续细化探索图
🧭 图索引构建与探索式搜索优化
HTW Berlin
提出 crEG，快速构建紧凑且连通性保证的图索引，专为探索搜索优化，推荐场景价值突出
📌 工作参考价值（4 点）
- 实时增量索引：crEG 构建速度极快，内存占用低，适合电商高频更新的物品库，可直接用于 embedding 索引的在线增量更新。
- item-to-item 探索推荐：图连通性始终保证，天然适合“以物品搜物品”的场景（如详情页相似推荐），避免死胡同，提升可探索性。
- 动态边优化：可选的边优化算法能在不重建全图的情况下持续提升精度，适合需要渐进式索引质量提升的线上服务。
- 评估校准：实验表明标准 ANN 指标（recall@k）高不代表探索搜索表现好，推荐系统评估需加入探索场景（query 来自库内点）的专用指标，避免离线评测与线上效果脱节。