[发明专利]一种信息检索方法及系统

权利要求书

1.一种信息检索方法，其特征在于，包括如下步骤：

S10：输入用于排序学习的数据，对其进行特征提取，将原始数据转化为可用于机器学习的数据样本特征；

S20：输入所得到的数据样本特征，输入样本间的相似性信息，得到由查询样本-排序列表对组成的训练数据集；

S30：基于结构支持向量机和布莱格曼距离函数，对所得到的由查询样本-排序列表对组成的训练数据集建立结构学习模型；

S40：基于单松弛变量割平面法，对所建立的数学模型推导各参数的更新公式，迭代地更新模型的各参数，直至各参数收敛；

S50：根据所得到的布莱格曼距离函数，对新输入的查询样本在数据集上进行检索，将数据集中的各样本按照与查询样本的距离以升序排列，输出该排序作为检索结果。

2.如权利要求1所述的信息检索方法，其特征在于：步骤S30中，以结构支持向量机为框架建立结构学习模型，优化基于布莱格曼距离函数的总体排序结构代价，并添加正则项进行调节；

其中，所建立的数学模型包括参数模型和非参数模型，模型中的布莱格曼距离函数具有参数化形式或非参数化形式。

3.如权利要求2所述的信息检索方法，其特征在于，步骤S40包括有：

S401：利用单松弛变量割平面法对所建立的数学模型作近似，使模型在动态更新的有效约束集下求解，并推导模型参数的更新公式；

S402：根据推导的更新公式，迭代地更新Bregman距离函数的参数、结构支持向量机的松弛变量和有效约束集，直至各参数收敛。

4.一种信息检索系统，其特征在于：包括数据预处理模块、模型输入处理模块、建模模块以及参数更新模块与检索模块；其中，数据预处理模块输入用于排序学习的数据，对其进行特征提取，输出可用于机器学习的数据样本特征；模型输入处理模块输入由数据预处理模块得到的数据样本特征，输入样本间的相似性信息，输出由查询样本-排序列表对组成的训练数据集；建模模块用于根据模型输入处理模块输出的由查询样本-排序列表对组成的训练数据集，基于结构支持向量机和布莱格曼距离函数建立结构学习模型；参数更新模块用于基于单松弛变量割平面法，对建模模块输出的数学模型推导各参数的更新公式，迭代地更新模型的各参数，直至收敛；检索模块用于根据参数更新模块得到的布莱格曼距离函数，对新输入的查询样本进行检索，将数据集中的各样本按照与查询样本的距离以升序排列，输出该排序作为检索结果。

5.如权利要求4所述的信息检索系统，其特征在于：所述建模模块还用于以结构支持向量机为框架建立结构学习模型，优化基于布莱格曼距离函数的总体排序结构代价，并添加正则项进行调节。

6.如权利要求5所述的信息检索系统，其特征在于：所述建模模块还用于参数模型和非参数模型的建模。

7.如权利要求6所述的信息检索系统，其特征在于：所述参数更新模块利用单松弛变量割平面法对建模模块输出的数学模型作近似，使模型在动态更新的有效约束集下求解，并推导模型参数的更新公式；根据推导的更新公式，迭代地更新Bregman距离函数的参数、结构支持向量机的松弛变量和有效约束集，直至各参数收敛。