. "M-tree"@it . "11061"^^ . "Un M-tree o albero M in informatica \u00E8 una struttura dati ad albero simile agli alberi R-tree e B-albero. \u00C8 costruito usando una metrica e si affida alla disuguaglianza triangolare per l'intervallo di efficienza e per le interrogazioni k-NN.Mentre gli alberi M-tree possono essere usati in tante situazioni, l'albero pu\u00F2 avere grandi sovrapposizioni e non c'\u00E8 una chiara strategia su quale sia il modo migliore per evitare le sovrapposizioni.Pu\u00F2 essere usato solamente con funzioni di distanza che soddisfano la disuguaglianza triangolare, mentre altre funzioni di dissimilarit\u00E0 avanzate usate nel recupero di informazioni non possono essere usate."@it . "In computer science, M-trees are tree data structures that are similar to R-trees and B-trees. It is constructed using a metric and relies on the triangle inequality for efficient range and k-nearest neighbor (k-NN) queries.While M-trees can perform well in many conditions, the tree can also have large overlap and there is no clear strategy on how to best avoid overlap. In addition, it can only be used for distance functions that satisfy the triangle inequality, while many advanced dissimilarity functions used in information retrieval do not satisfy this."@en . . . . . . . . . . . "27481099"^^ . . . . . . . . . . . . . . . . . . . . . . . . . "M-tree"@en . "1092209376"^^ . . . . . . . . "In computer science, M-trees are tree data structures that are similar to R-trees and B-trees. It is constructed using a metric and relies on the triangle inequality for efficient range and k-nearest neighbor (k-NN) queries.While M-trees can perform well in many conditions, the tree can also have large overlap and there is no clear strategy on how to best avoid overlap. In addition, it can only be used for distance functions that satisfy the triangle inequality, while many advanced dissimilarity functions used in information retrieval do not satisfy this."@en . . . . . . . . "Un M-tree o albero M in informatica \u00E8 una struttura dati ad albero simile agli alberi R-tree e B-albero. \u00C8 costruito usando una metrica e si affida alla disuguaglianza triangolare per l'intervallo di efficienza e per le interrogazioni k-NN.Mentre gli alberi M-tree possono essere usati in tante situazioni, l'albero pu\u00F2 avere grandi sovrapposizioni e non c'\u00E8 una chiara strategia su quale sia il modo migliore per evitare le sovrapposizioni.Pu\u00F2 essere usato solamente con funzioni di distanza che soddisfano la disuguaglianza triangolare, mentre altre funzioni di dissimilarit\u00E0 avanzate usate nel recupero di informazioni non possono essere usate."@it . . . . . .