遞歸了劃分數據：分而治之。Recursively partition the data: Divide and Conquer。

查詢時間為：\( O(log n) \)(with constants exponential in dimension)

隨著數據維數的增加，基于樹的ANN其表現性能會急劇的下降，Performance degrades with high-dimensional data。

需要的存儲開銷很大，Large storage needs，因為需要存儲樹結構(?)。

在運行的時候，需要保存原始數據，Original data is required at run-time。同樣會增加內存的開銷。

數據庫中的每一個item都被用一個編碼來表達。Each item in database represented as a code。

可以極大的降低內存空間。Significant reduction in storage。

查詢時間為：\( O(1) \)或是線性的。Expected query time: O(1) or sublinear in n。

如果想要得到較高的精度，則需要較長的編碼。For high precision, longer codes (i.e. large?\( m \)) preferred。

編碼長度m增長的話，則item碰撞的概率會成倍的減小，從而導致召回率下降。 Large m reduces the probability of collision exponentially → low recall

為了得到較高的召回率，則需要多個哈希表。Many tables (large L) necessary to get good recall → Large storage