[发明专利]基于局部敏感哈希技术的多标记文件近邻查询方法

权利要求书

1.一种基于局部敏感哈希技术的多标记文件近邻查询方法，其特征在于，所述方法包括如下步骤：

步骤1：给定海量文件样本X，关键词，文件查询结果，按照查询结果得到文件标记向量集合Y；

步骤2：对标记向量集Y执行LSH算法,得到基于标记文件的近邻索引表；

步骤3：文件样本X根据多标记学习算法，即：文件预处理和特征选择构建多标记分类器；

步骤4：对于新文件，首先进行上述步骤，然后根据多标记分类器，得到预测的标记集合，即：分类结果；

步骤5：新文件的标记向量执行LSH查询，得到候选样本文件；

步骤6：对候选样本文件进行线性搜索，获取近邻文件。

2.根据权利要求1所述的一种基于局部敏感哈希技术的多标记文件近邻查询方法，其特征在于，所述方法包括：海量文件问题转化为多标记学习问题，建立海量文件的近邻索引表；海量文件的多标记训练；新文件的预测标记向量。

3.根据权利要求1所述的一种基于局部敏感哈希技术的多标记文件近邻查询方法，其特征在于：所述方法是基于LSH的多标记学习文件的近邻查询。

4.根据权利要求1所述的一种基于局部敏感哈希技术的多标记文件近邻查询方法，其特征在于，所述方法步骤1的文件标记向量集合，是根据一定的规则将查询结果转化为向量集合，即：文件标记向量集。

5.根据权利要求1所述的一种基于局部敏感哈希技术的多标记文件近邻查询方法，其特征在于：所述方法应用于多标记文件近邻查询的机制。

6.根据权利要求1所述的一种基于局部敏感哈希技术的多标记文件近邻查询方法，其特征在于，所述方法的规则包括：若第j个关键词的查询结果中包含文件i，则文件i的标记向量Y_i中第j个元素Y_ij＝1，否则Y_ij＝0；海量文件的近邻索引建立，利用已知文件的标记向量建立近邻索引表；海量文件的多标记训练，对海量文件进行训练得到文件分类器；新文件的预测标记向量，利用分类器获得新文件的标记向量；使可扩展到海量数据的文件查询中。