[發(fā)明專利]一種數(shù)據(jù)檢索方法和系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202110269603.1
• 申請日: 2021-03-12
• 公開（公告）號: CN112988747A
• 公開（公告）日: 2021-06-18
• 發(fā)明（設計）人: 李寶然
• 申請（專利權）人: 山東英信計算機技術有限公司
• 主分類號: G06F16/22
• 分類號: G06F16/22;G06F16/2458;G06F16/248
• 代理公司: 北京連和連知識產(chǎn)權代理有限公司 11278
• 代理人: 劉小峰;陳黎明

1.一種數(shù)據(jù)檢索方法，其特征在于，包括執(zhí)行以下步驟：

使用乘積量化編碼算法來分別編碼多個數(shù)據(jù)庫數(shù)據(jù)和被檢索數(shù)據(jù)，以各自獲得多個第一乘積量化編碼和第二乘積量化編碼；

使用多個所述第一乘積量化編碼來初始化鍵值生成模塊，并生成多個哈希表；

將多個所述第一乘積量化編碼和所述第二乘積量化編碼均映射到多個所述哈希表內的不同鍵值，使得每個所述哈希表內均包括多個所述第一乘積量化編碼和所述第二乘積量化編碼的部分哈希編碼鍵值；

使用所述鍵值生成模塊在多個所述哈希表內分別以所述第二乘積量化編碼的部分哈希編碼鍵值比對多個所述第一乘積量化編碼的部分哈希編碼鍵值，并分別返回多個所述哈希表的最鄰近檢索結果；

將多個所述最鄰近檢索結果合并，基于多個所述第一乘積量化編碼分別到所述第二乘積量化編碼的相關性排序，并返回相關性最高的預定數(shù)量的所述數(shù)據(jù)庫數(shù)據(jù)。

2.根據(jù)權利要求1所述的方法，其特征在于，使用乘積量化編碼算法來分別編碼多個數(shù)據(jù)庫數(shù)據(jù)和被檢索數(shù)據(jù)，以各自獲得多個第一乘積量化編碼和第二乘積量化編碼包括：

確定所述乘積量化編碼算法的碼位數(shù)和每位取值指數(shù)，并基于所述碼位數(shù)和所述每位取值指數(shù)使用乘積量化編碼算法來各自獲得具有所述碼位數(shù)和所述每位取值指數(shù)的多個第一乘積量化編碼和第二乘積量化編碼。

3.根據(jù)權利要求2所述的方法，其特征在于，將多個所述第一乘積量化編碼和所述第二乘積量化編碼均映射到多個所述哈希表內的不同鍵值包括：

基于所述碼位數(shù)和所述哈希表的數(shù)量之比確定所述哈希表的映射長度，并將多個所述第一乘積量化編碼和所述第二乘積量化編碼中所述映射長度的哈希編碼鍵值作為部分哈希編碼鍵值而映射到多個所述哈希表內的不同鍵值。

4.根據(jù)權利要求3所述的方法，其特征在于，被映射到同一所述哈希表內的多個所述第一乘積量化編碼和所述第二乘積量化編碼中的所述映射長度的哈希編碼鍵值在多個所述第一乘積量化編碼和所述第二乘積量化編碼上均占據(jù)相同的位置。

5.根據(jù)權利要求1所述的方法，其特征在于，使用所述鍵值生成模塊在多個所述哈希表內分別以所述第二乘積量化編碼的部分哈希編碼鍵值比對多個所述第一乘積量化編碼的部分哈希編碼鍵值，并分別返回多個所述哈希表的最鄰近檢索結果包括：

確定所述鍵值生成模塊的第一閾值參數(shù)和第二閾值參數(shù)，在多個所述第一乘積量化編碼中確定當前檢索范圍和初始化當前差異位數(shù)量；

將所述當前檢索范圍內的所述第一乘積量化編碼與所述第二乘積量化編碼比對，并提取與所述第二乘積量化編碼相比具有差異位不超過所述當前差異位數(shù)量的所述第一乘積量化編碼以添加到中間檢索結果；

在多個所述第一乘積量化編碼中擴大性地更新所述當前檢索范圍并提高性地更新所述當前差異位數(shù)量，并進入重復執(zhí)行上一步驟的迭代；

響應于在任意時刻所述中間檢索結果中的所述第一乘積量化編碼數(shù)量超過所述第一閾值參數(shù)、或所述當前檢索范圍中的所述第一乘積量化編碼數(shù)量超過所述第二閾值參數(shù)，而終止迭代并返回所述中間檢索結果作為所述最鄰近檢索結果。

6.根據(jù)權利要求1所述的方法，其特征在于，將多個所述最鄰近檢索結果合并包括：將多個所述最鄰近檢索結果中屬于同一所述第一乘積量化編碼的所述部分哈希編碼鍵值合并到一起。

7.根據(jù)權利要求6所述的方法，其特征在于，基于多個所述第一乘積量化編碼分別到所述第二乘積量化編碼的相關性排序包括：基于多個所述第一乘積量化編碼在多個所述最鄰近檢索結果中的所述部分哈希編碼到所述第二乘積量化編碼的相關性距離而排序。

8.根據(jù)權利要求7所述的方法，其特征在于，所述相關性距離為非對稱性距離，所述非對稱性距離越短的所述第一乘積量化編碼與所述第二乘積量化編碼的相關性越高。