Optimizing Nearest-Neighbor Search with Seed Forwarding in Serial Multi-Graph Vector Indexes

데이터가 다수의 리포지토리에 분리되어있는 다중 벡터스토어 환경에서, 그래프 기반 근사 최근접 탐색(ANN)은 시간당 처리량 면에서 한계점이 존재한다. 본 연구는 이러한 한계를 해소하기 위해 시드 포워딩 (seed forwarding) 기법을 제안한다. 시드 포워딩은 추가 메타데이터 전송이나 구조 변경 없이 엔트리포인트만 동적으로 조정함으로써, 직렬 다중 그래프 인덱스의 ANN 처리량을 효과적으로 개선한 실용적인 최적화 기법이다. 선행 인덱스가 반환한 Top-1 벡터를 후행 인덱스의 엔트리포인트로 주입하여 후행 인덱스가 질의 근방에서 탐색을 시작하도록 함으로써 초기 탐색 범위를 대폭 축소한다. 효과 검증을 위해 Deep, GIST, Glove, Crawl 등 네 가지 공개 데이터셋을 사용해 두 인덱스를 직렬로 연결한 실험을 수행하였다. 동일 Recall@10 기준에서 제안 기법은 HNSW에서 최대 14%, NSG에서 최대 21%의 QPS 향상을 보였다.