[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

本申請公開了一種深度哈希檢索方法、設備及介質，方法包括：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；通過哈希檢索模型生成并存儲各文章對應的哈希碼；確定用戶輸入的待檢索文章，并通過哈希檢索模型輸出待檢索文章的哈希碼；根據待檢索文章的哈希碼，以及存儲的各文章對應的哈希碼，確定檢索結果。通過預設算法來訓練生成哈希檢索模型，使得哈希檢索模型在針對用戶輸入的待檢索文章時，能夠有效考慮文章中所包含的內容，提高了生成的哈希碼的質量，也提高了最終檢索的精確度，提升了用戶體驗。可以充分挖掘不同模態之間的互補信息，相比于單一的通過文本模態的檢測方法更具有魯棒性。

技術領域

本申請涉及檢索領域，具體涉及一種深度哈希檢索方法、設備及介質。

背景技術

近年來，隨著互聯網的快速發展，多媒體數據(例如圖片、文本、視頻、 音頻等)呈現出爆炸式的增長，如何從浩如煙海的數據流中找尋出需要的信息 成為當下研究的熱門話題。

通常情況下，人們有需要查閱相關資料時，會根據手中已有的文章來檢索 同領域的相關文章。但是在進行檢索時，如果僅根據文章標題或摘要來進行檢 索，結果往往不夠全面，而認為的閱讀整篇文章后再檢索則耗時太多。一般解 決的方案是通過用戶輸入關鍵詞進行檢索，然后返回包含關鍵詞的文章。但是， 當用戶給的關鍵詞不夠準確或不夠充分時，得到的查詢結果往往差強人意。

發明內容

為了解決上述問題，本申請提出了一種深度哈希檢索方法，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。

在一個示例中，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。

在一個示例中，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。

在一個示例中，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。