यह शोधपत्र बहुविधीय डेटा पुनर्प्राप्ति में K-निकटतम पड़ोसी (KNN) खोज की गणना लागत को कम करने के लिए, एक आयाम न्यूनीकरण तकनीक, क्रम-संरक्षण आयाम न्यूनीकरण (OPDR) का प्रस्ताव करता है। बहुविधीय डेटा को एक साझा एम्बेडिंग स्थान पर मैप करने के मौजूदा तरीकों की उच्च आयामीयता को संबोधित करने के लिए, OPDR निम्न-आयामी स्थान में KNN रैंक को संरक्षित करते हुए एम्बेडिंग की आयामीयता को कम करता है। एक नए KNN गुणवत्ता मीट्रिक का उपयोग करते हुए, OPDR लक्ष्य आयाम और प्रमुख प्रासंगिक मापदंडों के बीच एक बंद-रूप मैपिंग प्राप्त करता है। इसे कई अत्याधुनिक आयाम न्यूनीकरण तकनीकों, दूरी फलनों और एम्बेडिंग मॉडलों के साथ एकीकृत करके, हम विभिन्न बहुविधीय डेटासेट पर प्रयोगों के माध्यम से प्रदर्शित करते हैं कि OPDR उच्च रिकॉल सटीकता बनाए रखते हुए गणना लागत को उल्लेखनीय रूप से कम करता है।
