[发明专利]一种基于哈希编码加权排序的自适应查询方法

说明书

本发明提供了一种基于哈希编码加权排序的自适应查询方法，该方法包括：对查询数据提取多种特征，分别为每种特征构建一个哈希表，并利用每种特征对应的哈希表分别进行查询；获取利用所述每种特征对应的哈希表进行查询的多个查询结果，并将所述多个查询结果中的每个查询结果分别构建一个对应的图；将每个查询结果对应的图进行融合，得到一个融合图；利用图的重排序算法对所述每个查询结果在所述融合图上进行重新排序，得到最终的查询结果。本发明将基于图的重排序方法和多特征融合的重排序方法相结合，有效地综合多特征优势，实现数据的快速查询，降低内存的消耗，有效地提高了查询的效率和准确率，对查询性能有很大提升。

技术领域

本发明涉及计算机搜索技术领域，尤其涉及一种基于哈希编码加权排序的自适应查询方法。

背景技术

图片、视频等数据的快速增长给数据索引和搜索带来了极大的挑战。大数据上的近似最近邻搜索由于其在查询性能和效率的出色表现，在过去数十年中引起越来越多的关注。

基于图的重排序算法一般分为图的构建过程和图传播过程。首先是图的构建过程。通常来说，把每个图像作为图的顶点，然后将这些相似的顶点连接起来，作为图的边，相似性的大小看成是这些节点之间边的权重。受启发于page-rank的排序思想，在一幅图中，被越多的顶点连接指向的顶点应该越重要，即一副图像和越多的图像相似越重要，而且通常越重要的顶点在排序的时候越靠前。顶点的重要性要靠图的传播过程来实现。具体来说，对于一个查询，节点v和查询相似，即是重要的节点，如果节点u和节点v相似，那么有很大的可能节点u也和查询相似。直观地，如果一个节点和查询非常相似，那么它的周围应该有很多节点也和查询相似。即采用随机游走的思想进行图的传播，随机游走过程稳定时的概率被当作图像最后的相关分数，然后按照相关分数的大小对图像进行重排序。

由于基于图的重排序方法，充分考虑了图像之间的相似性和图像数据的分布结构，这些特点使得该方法非常容易和多特征融合的排序方法相结合。现有技术中，无监督的基于图的多特征融合的方法，将多个特征查询的结果分别构造一张图，然后将多个图进行融合，融合之后，针对单个图运用page-rank等方法进行重排序。还有一种新的通过弱监督的方式多图进行融合的方法，通过引入了多图学习的框架，该方法对图的构建不仅考虑单个特征内的结果的关系，同时考虑特征之间的关系。

在实现本发明的过程中，发明人发现现有技术至少存在以下问题：

现有的基于哈希的最近邻搜索技术，在大多数的图像查询中，都是采用单一的图像特征进行查询和排序，由于单一的特征无法全面表示图像信息，不能从多个方面查询出用户所需图像信息，而且即使虑特征之间的关系，但现有技术基于图像的原始特征进行多特征的融合进行重排序，或者需要存储图像的原始特征，或者需要存储图像的最近邻关系，需要消耗大量的硬盘空间，当数据量很大时，又不能加载到内存，导致内存消耗大，严重影响查询效率。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决或者减缓上述问题的基于哈希编码加权排序的自适应查询方法。

根据本发明的一个方面，提供了一种基于哈希编码加权排序的自适应查询方法，该方法包括：

对查询数据提取多种特征，分别为每种特征构建一个哈希表，并利用每种特征对应的哈希表分别进行查询；

获取利用所述每种特征对应的哈希表进行查询的多个查询结果，并将所述多个查询结果中的每个查询结果分别构建一个对应的图；

将每个查询结果对应的图进行融合，得到一个融合图；

利用图的重排序算法对所述每个查询结果在所述融合图上进行重新排序，得到最终的查询结果。

可选的，所述对查询数据提取多种特征，分别为每种特征构建一个哈希表，并利用每种特征对应的哈希表分别进行查询，具体包括：