[發明專利]一種融合結構化和非結構化數據的混合搜索方法

有效

• 申請號: 202110285108.X
• 申請日: 2021-03-17
• 公開（公告）號: CN112905644B
• 公開（公告）日: 2022-08-02
• 發明（設計）人: 徐小良;王夢召;呂凌威
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G06F16/2455
• 分類號: G06F16/2455;G06F16/22;G06F16/28
• 代理公司: 浙江千克知識產權代理有限公司 33246
• 代理人: 周希良

1.一種融合結構化和非結構化數據的混合搜索方法，其特征在于包含以下步驟：

(1)將數據集中每一個實體所包含的結構化和非結構化數據分別向量化得到包含結構化向量和非結構化向量的實體向量；

(2)基于結構化向量和非結構化向量相似性組合構建融合結構化和非結構化數據近鄰圖；

(3)將查詢實體所包含的結構化和非結構化數據通過與(1)相同的方式向量化得到包含結構化向量和非結構化向量的混合查詢向量；

(4)混合查詢向量在融合結構化和非結構化數據近鄰圖上通過貪婪算法執行混合搜索得到查詢實體的最近鄰；

其中步驟(1)將數據集S中每一個實體e_i所包含的結構化和非結構化數據分別向量化得到包含非結構化向量α_i和結構化向量β_i的實體向量(α_i，β_i)；其中，數據集S表示為：

S＝{e_i|i＝1，2，...，N}

其中e_i為數據集中的第i個實體，N為數據集中實體個數；

非結構化向量α_i表示為：

其中m為非結構化向量的維數，為非結構化向量α_i在第j維的取值；

結構化向量β_i表示為：

其中n為結構化向量的維數，結構化向量β_i在第j維的取值；

其中步驟(2)所述的基于結構化向量和非結構化向量相似性組合構建融合結構化和非結構化數據近鄰圖，指通過混合距離計算來評估各個實體向量(α_i，β_i)之間的相似性，從而每個實體向量(α_i，β_i)連接與其混合距離d最近的K個鄰居，實體向量(α₁，β₁)與實體向量(α₂，β₂)間的距離d((α₁，β₁)，(α₂，β₂))的計算公式為：

d((α₁，β₁)，(α₂，β₂))＝d₁(α₁，α₂)+w_b·d₂(β₁，β₂)

其中，d₁(α₁，α₂)為非結構化向量距離，d₂(β₁，β₂)為結構化向量距離，其中w_b為構建近鄰圖時結構化向量距離所占的權重，用于調控非結構化向量距離d₁(α₁，α₂)和結構化向量距離d₂(β₁，β₂)在混合距離d((α₁，β₁)，(α₂，β₂))中的比重；

其中步驟(4)所述的混合查詢向量q在融合結構化和非結構化數據近鄰圖上通過貪婪算法執行混合搜索得到查詢實體的最近鄰的過程中采用與以下混合距離計算方式，混合查詢向量q＝(q_α，q_β)與實體向量(α_i，β_i)的混合距離d為：

d(q，(α₂，β₂))＝d₁(q_α，α₂)+w_s·d₂(q_β，β₂)

q_α為混合查詢向量q的非結構化向量，q_β為混合查詢向量q的結構化向量，w_s調節混合距離中非結構化向量距離d₁(q_α，α₂)和結構化向量距離d₂(q_β，β₂)所占的比重，通過改變w_s從而調控混合搜索的性能。