본 논문은 대용량 데이터에서 $k$-Nearest Neighbors ($k$NN) 알고리즘의 높은 시간 복잡도 문제를 해결하기 위해 Granular-Ball 기반 양자 $k$NN (GB-Q$k$NN) 알고리즘을 제안합니다. Granular-ball을 사용하여 처리해야 할 데이터 크기를 줄이고, 계층적 탐색 가능 소세계(HNSW) 방법을 채택하여 검색 과정을 가속화합니다. 또한, 양자화를 통해 HNSW의 거리 계산과 같은 시간이 많이 소요되는 단계를 최적화하여 구성 및 검색 과정의 시간 복잡도를 추가로 줄입니다. Granular-ball과 HNSW 방법의 양자화를 결합하여 $k$NN 유사 알고리즘의 시간 복잡도를 크게 줄입니다.
