Pinterest использует онлайн-ближайших соседей (ANN) для извлечения рекламы, но офлайн-ANN также ценен для крупномасштабной обработки данных и экономически эффективных операций. Офлайн-ANN предварительно вычисляет кандидатов офлайн, идеально для сценариев с высокой пропускной способностью и низкой задержкой ответов на запросы и относительно статичного запроса контекста. Pinterest успешно применил онлайн, но сталкивается с трудностями при расширении инвентаря рекламы. Миграция с иерархического навигируемого маленького мира (HNSW) на алгоритм инвертированного файла (IVF) позволяет создать более крупный индекс уровня, но увеличивает затраты. Офлайн-ANN выигрывает от обильных вычислительных ресурсов и терпимости к задержкам, эффективен для генераторов кандидатов статических запросов контекстов. Основное отличие между онлайн- и офлайн-подходами - это время поиска ANN. Офлайн-ANN имеет преимущества, включая экономическую эффективность и масштабируемость, но и недостатки, включая ограничения в реальном времени и фиксированных соседей. Pinterest оценил офлайн-ANN-основанную извлечение в нескольких случаях использования, включая рекламу похожих элементов и визуальное вложение. Офлайн-ANN показал лучшие показатели вовлеченности и конверсии, и Pinterest активно разрабатывает свою собственную офлайн-ANN-фреймворк и платформу для будущих достижений.