Ann, Approximate Nearest Neighbor的縮寫，就是近似最近鄰搜索。
在機器學習領域，語義檢索，圖像識別，推薦系統等方向常涉及到的一個問題是：給定一個向量X=[x1,x2,x3...xn]，需要從海量的向量庫中找到最相似的前K個向量。通常這些向量的維度很高，對於在線服務，用傳統的方法查找是非常耗時的，容易使得時延上成爲瓶頸，因此業界通用的方式就是將最相似的查找轉換成Ann問題。
這樣查找返回的前K個向量並不一定是最相似的K個向量，衡量Ann算法好不好的一個依據是召回，每次Ann請求返回的K個結果與使用暴力查找的K個結果去比較，如果完全一致，說明是最好的。因爲省了搜索時間卻沒有影響效果。
目前的Ann算法有基於圖的，基於樹的，基於哈希等，並且有很多關於Ann算法的實現，開源的很多，如annoy, faiss，nmslib, falconn等。下圖是一些算法及其實現在搜索效率和召回的一個性能評測。
更詳細的一些測試在這個網站有數據 http://ann-benchmarks.com。作者比較了不同的距離度量方式及在不同數據集的效果。
基於圖的算法（hnsw）其實在評測上看起來是最好的, 但是其耗費比較多內存，樹的方法在維度大時會變成暴力搜索，其它方法也有不同的特點。