Pinterest verwendet approximative nächste Nachbarn (ANN) online für die Werbeanzeigenermittlung, aber offline ANN ist auch wertvoll für die Verarbeitung großer Datenmengen und kosteneffiziente Operationen. Offline ANN berechnet Kandidaten offline vor, ideal für Szenarien mit hoher Durchsatzrate und niedriger Latenzzeit und relativ statischem Abfragekontext. Pinterest hat erfolgreich online ANN angewendet, aber Schwierigkeiten bei der Erweiterung des Werbeinventars. Der Wechsel von Hierarchical Navigable Small World (HNSW) zu Inverted File (IVF) Algorithmus ermöglicht einen größeren Index, aber erhöht die Kosten. Offline ANN profitiert von reichlichen Rechenressourcen und Latenztoleranz, effektiv für Kandidatengeneratoren mit statischem Abfragekontext. Der Hauptunterschied zwischen online- und offline-Ansätzen ist die Zeitpunkt der ANN-Suche. Offline ANN hat Vorteile, einschließlich Kosteneffizienz und Erweiterbarkeit, aber Nachteile, einschließlich Echtzeitbeschränkungen und fester Nachbarn. Pinterest hat offline ANN-basierte Ermittlung in mehreren Anwendungsfällen, einschließlich ähnlicher Artikel-Werbung und visueller Einbettung, evaluiert. Offline ANN hat bessere Engagement- und Konversionsleistung gezeigt, und Pinterest entwickelt aktiv seine eigene offline ANN-Framework und -Plattform für zukünftige Fortschritte.