[G1-Sync] Manual knowledge update

10_Wiki/Topics/Nearest-Neighbor-Search.md

@@ -2,7 +2,7 @@
 id: ALGO-NNS-001
 category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
-tags: [algorithm, ai, search, nearest-neighbor, ann, vector-database, similarity-search]
+tags: [algorithm, ai, [[Search]], nearest-neighbor, ann, vector-database, similarity-search]
 last_reinforced: 2026-04-26
 ---
 
@@ -12,11 +12,11 @@ last_reinforced: 2026-04-26
 > "고차원 공간의 바다에서 나를 가장 닮은 이웃을 눈깜짝할 새에 발굴하여, 데이터 사이의 보이지 않는 연결고리를 증명하라" — 주어진 질의(Query)와 가장 유사한 데이터를 방대한 데이터셋 내에서 거리 메트릭(Euclidean, Cosine 등)을 기반으로 찾아내는 검색 기술.
 
 ## 📖 구조화된 지식 (Synthesized Content)
-- **추출된 패턴:** "Space Partitioning and Approximate Retrieval" — 전수 조사(Brute-force)의 비효율성을 극복하기 위해 공간을 다각형이나 트리 구조로 분할하고, 100%의 정확도 대신 압도적인 속도를 선택하는 근사 최근접 이웃(ANN) 검색 패턴.
+- **추출된 패턴:** "Space Partitioning and Approximate Retrieval" — 전수 조사([[Brute-force]])의 비효율성을 극복하기 위해 공간을 다각형이나 트리 구조로 분할하고, 100%의 정확도 대신 압도적인 속도를 선택하는 근사 최근접 이웃(ANN) 검색 패턴.
 - **주요 알고리즘:**
     - **KD-Tree / Ball-Tree:** 공간을 분할하여 탐색 범위를 좁히는 트리 기반 방식.
     - **HNSW (Hierarchical Navigable Small World):** 그래프 구조를 활용한 고성능 검색의 현대적 표준.
-    - **Product Quantization (PQ):** 벡터를 압축하여 메모리 효율과 검색 속도 동시 확보.
+    - **Product [[Quantization]] (PQ):** 벡터를 압축하여 메모리 효율과 검색 속도 동시 확보.
 - **의의:** 추천 시스템, 이미지 검색, 특히 LLM의 외부 기억 장치 역할을 하는 벡터 데이터베이스(Vector DB)의 성능을 결정짓는 핵심 엔진.
 
 ## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)