البحث عن أقرب جار (NNS) هو مشكلة خوارزمية للعثور على النقطة (أو مجموعة النقاط) الأقرب إلى نقطة استعلام معينة في قاعدة بيانات أو مجموعة بيانات. يعد هذا المفهوم مهمًا في العديد من المجالات، بما في ذلك التعلم الآلي، واستخراج البيانات، والرؤية الحاسوبية، وأنظمة المعلومات الجغرافية. في التعلم الآلي، يعد البحث عن أقرب جار هو جوهر خوارزمية k-أقرب جار (k-NN)، والتي تقوم بإجراء تحليل التصنيف أو الانحدار من خلال العثور على أمثلة تدريبية تشبه إلى حد كبير مثالًا غير معروف. في مجال الرؤية الحاسوبية، يتم استخدامه لمطابقة الميزات والتعرف على الكائنات من خلال مقارنة متجهات الميزات للعثور على أفضل صورة أو نقطة ميزة مطابقة. في أنظمة المعلومات الجغرافية، يساعد البحث عن أقرب جار في تحديد الكيانات ذات الصلة بالقرب من موقع جغرافي محدد، مثل البحث عن أقرب مطعم أو محطة وقود.

أحد التحديات الرئيسية التي تواجه عملية البحث عن أقرب جار هو التعامل مع البيانات ذات الأبعاد العالية، وهو ما يُعرف باسم "لعنة الأبعاد". مع زيادة أبعاد البيانات، تصبح فروق المسافة بين نقاط البيانات أقل وضوحًا، مما يؤدي إلى انخفاض كفاءة البحث بشكل حاد. علاوة على ذلك، مع نمو حجم مجموعة البيانات، تزداد أيضًا تكلفة حساب أقرب الجيران. ولحل هذه المشكلات، قام الباحثون بتطوير مجموعة متنوعة من هياكل الفهرس، مثل kd-tree وR-tree، والتي يمكنها تحسين كفاءة البحث بشكل كبير.