[發明專利]一種索引生成方法、數據檢索方法和裝置

有效

• 申請號: 201611170581.9
• 申請日: 2016-12-16
• 公開（公告）號: CN106777130B
• 公開（公告）日: 2020-05-12
• 發明（設計）人: 崔江濤;馮小康;劉暢;侯勇超;蔡洋
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06F16/41
• 分類號: G06F16/41;G06F16/43;G06F16/31;G06F16/33
• 代理公司: 濟南信達專利事務所有限公司 37100
• 代理人: 李世喆

本發明提供了一種索引生成方法、數據檢索方法和裝置，通過提取每一個樣本數據元的樣本特征向量和樣本標識；為每一個樣本特征向量生成對應的近鄰圖索引，并隨機生成至少一個映射向量；針對每一個映射向量，執行：根據預設的區間寬度，將映射向量劃分為至少兩個區間，并為每一個區間分配對應的區間標識；將每一個樣本特征向量映射到映射向量；根據映射的結果，將每一個樣本標識分配給相關的區間標識，生成倒排文檔索引，在基于倒排文檔索引和近鄰圖索引進行數據檢索的過程，是利用倒排文檔索引給出的區間標識和近鄰圖索引直接獲得與檢索信息相關性比較大的樣本數據元，從而能夠有效地提高檢索效率。

技術領域

本發明涉及計算機技術領域，特別涉及一種索引生成方法、數據檢索方法和裝置。

背景技術

數據檢索一般是指根據外部輸入的檢索信息，檢索出與檢索信息相匹配的多種模態的數據。如根據外部輸入的一段文字或者一段視頻等，檢索出與該段文字或者視頻相關的文檔、視頻、音頻以及圖像等。隨著以多媒體數據(如圖像、視頻和音頻等)為代表的非結構化數據已成為大數據的主體，基于海量多媒體數據的檢索備受關注。

一般來說，在進行數據檢索之前，提取每一個樣本數據的樣本特征向量，并將每一個樣本特征向量存儲到數據庫。在數據檢索的過程中，提取出檢索信息的檢索特征向量，通過遍歷數據庫中所有的樣本特征向量，查找檢索特征向量對應的近鄰樣本特征向量。例如：數據庫中存儲有10¹²個樣本特征向量，對檢索信息A進行檢索時，需要遍歷這10¹²個樣本特征向量，才能查找出檢索信息A對應的近鄰樣本特征向量，然后，基于查找到的近鄰樣本特征向量，輸出檢索結果。

對于現有的這種數據檢索方式來說，由于查找近鄰樣本特征向量的過程，會有大量無關的樣本特征向量干擾，造成檢索效率較低。

發明內容

本發明實施例提供了一種索引生成方法、數據檢索方法和裝置，能夠有效地提高檢索效率。

第一方面，一種索引生成方法，還包括：

提取每一個樣本數據元的樣本特征信息，所述樣本特征信息，包括：樣本特征向量和樣本標識；

為每一個所述樣本特征向量生成對應的近鄰圖索引；

隨機生成至少一個映射向量；

針對每一個所述映射向量，執行：

根據預設的區間寬度，將所述映射向量劃分為至少兩個區間，并為每一個所述區間分配對應的區間標識；

將每一個所述樣本特征向量映射到所述映射向量；

根據映射的結果，將每一個所述樣本標識分配給相關的所述區間標識，生成倒排文檔索引。

可選地，當所述映射向量的個數為至少兩個時，所述至少兩個映射向量滿足標準正態分布。

可選地，所述為每一個所述區間分配對應的區間標識，包括：

從所述映射向量的起始位置，為每一個所述區間進行順序編號；

確定每一個所述區間的編號為對應的所述區間標識。

可選地，所述為每一個所述樣本特征向量生成對應的近鄰圖索引，包括：

針對每一個所述樣本特征向量，執行：

為所述樣本特征向量查找至少一個近鄰樣本特征向量；

從所述樣本特征向量開始，向每一個所述近鄰樣本特征向量繪制對應的有向邊，形成所述樣本特征向量的近鄰圖索引。

可選地，上述方法進一步包括：構建數據空間；