[發明專利]一種深度哈希檢索方法、設備及介質

在審

• 申請號: 202010250546.8
• 申請日: 2020-04-01
• 公開（公告）號: CN111522903A
• 公開（公告）日: 2020-08-11
• 發明（設計）人: 姚洪磊;喬廷慧;李銳
• 申請（專利權）人: 濟南浪潮高新科技投資發展有限公司
• 主分類號: G06F16/31
• 分類號: G06F16/31;G06F16/33
• 代理公司: 北京君慧知識產權代理事務所(普通合伙) 11716
• 代理人: 董延麗

1.一種深度哈希檢索方法，其特征在于，包括：

確定通過多組訓練樣本以及預設算法預先生成的哈希檢索模型，其中，所述預設算法用于將所述訓練樣本中的文本模態的數據轉換為向量，每組所述訓練樣本中包括錨點樣本、正例樣本和負例樣本，所述訓練樣本包括多種模態的數據；

通過所述哈希檢索模型生成并存儲各文章對應的哈希碼，其中，所述文章中至少包括一種所述模態的數據；

確定用戶輸入的待檢索文章，并通過所述哈希檢索模型輸出所述待檢索文章的哈希碼；

根據所述待檢索文章的哈希碼，以及存儲的所述各文章對應的哈希碼，確定檢索結果。

2.根據權利要求1所述的方法，其特征在于，訓練生成所述哈希檢索模型時，所述方法還包括：

在所有的訓練樣本中選取一篇文章作為錨點樣本；

在所有的訓練樣本中，選取與所述錨點樣本相似程度高于第一閾值的文章作為正例樣本，選取與所述錨點樣本相似程度低于第二閾值的文章作為負例樣本；

將所述錨點樣本、所述正例樣本、所述負例樣本作為一組訓練樣本，用于訓練所述哈希檢索模型。

3.根據權利要求1所述的方法，其特征在于，訓練生成所述哈希檢索模型時，所述方法還包括：

通過不包含全連接層的卷積神經網絡提取所述訓練樣本中圖像模態數據的圖像特征；和/或

通過所述預設算法提取所述訓練樣本中文本模態數據的文本特征。

4.根據權利要求3所述的方法，其特征在于，訓練生成所述哈希檢索模型時，所述方法還包括：

將所述圖像特征和/或所述文本特征輸入至全連接網絡中，生成所述訓練樣本對應的哈希碼，其中，所述全連接網絡中包括至少一個全連接層。

5.根據權利要求4所述的方法，其特征在于，訓練生成所述哈希檢索模型時，所述方法還包括：

通過損失函數對所述哈希檢索模型進行優化，其中，設所述損失函數為L，則L＝L₁+L₂+L₃+L₄＝-logρ((q_m,p_m,n_m)|G-logρ((q_m,p_m,n_m)|F)-logρ((q_m,p_m,n_m)|F,G,G)-logρ((q_m,p_m,n_m)|G,F,F)，其中，(q_m,p_m,n_m)為一組訓練樣本，q_m為錨點樣本，p_m為正例樣本，n_m為負例樣本，F為圖像特征，G為文本特征嗎，L₁為圖像模態數據對應的相似度保持函數，L₂為文本模態數據對應的相似度保持函數，L₃與L₄為類間相似度保持函數。

6.根據權利要求5所述的方法，其特征在于，

其中，x為文本模態的數據，y為圖像模態的數據，M為訓練樣本的組數，α為超參數，且α為正例樣本和負例樣本間的最小間隔。

7.根據權利要求1所述的方法，其特征在于，根據所述待檢索文章的哈希碼，以及存儲的所述各文章對應的哈希碼，確定檢索結果，包括：

確定已存儲的所述各文章的哈希碼，與所述待檢索文章的哈希碼之間的接近程度，并根據所述接近成都從高到低的選取若干個文章作為檢索結果。

8.根據權利要求7所述的方法，其特征在于，所述接近程度通過海明距離確定。