[发明专利]数据检索方法、装置、电子设备及存储介质

权利要求书

1.一种数据检索方法，其特征在于，包括：

对检索数据集或查询数据集中的数据进行聚类，得到多个聚类中心；

根据所述多个聚类中心，将所述检索数据集中的检索数据分别分发到每个聚类中心所在的聚类中，并在每个所述聚类中建立聚类中心与所述检索数据之间的索引；

根据所述多个聚类中心，将所述查询数据集中的查询数据分别分发到一个或多个所述聚类中心所在的聚类中，并在每个聚类中分别根据索引检索查询数据所对应的检索结果；

根据所述查询数据集中每个查询数据在一个或多个聚类中所对应的检索结果，确定所述查询数据集的检索结果。

2.根据权利要求1所述的方法，其特征在于，对检索数据集或查询数据集中的数据进行聚类，得到多个聚类中心，包括：

对所述检索数据集或查询数据集中的数据进行随机抽样，得到多个抽样数据；

对所述多个抽样数据进行聚类，得到多个聚类中心。

3.根据权利要求2所述的方法，其特征在于，对所述检索数据集或查询数据集中的数据进行随机抽样，得到多个抽样数据，包括：

在第一MapReduce任务的Map阶段，对所述检索数据集或查询数据集中的数据进行随机抽样，得到多个抽样数据；

对所述多个抽样数据进行聚类，得到多个聚类中心，包括：

在第一MapReduce任务的Reduce阶段，对所述多个抽样数据进行聚类，得到多个聚类中心。

4.根据权利要求1所述的方法，其特征在于，根据所述多个聚类中心，将所述检索数据集中的检索数据分别分发到每个聚类中心所在的聚类中，包括：

分别确定所述检索数据集中的检索数据与所述聚类中心的第一距离，并将所述检索数据分发到所述第一距离最小的聚类中心所在的聚类中；

根据所述多个聚类中心，将所述查询数据集中的查询数据分别分发到一个或多个聚类中心所在的聚类中，包括：

分别确定所述查询数据集中的查询数据与所述聚类中心的第二距离，并将所述查询数据分发到所述第二距离最小的一个或多个聚类中心所在的一个或多个聚类中。

5.根据权利要求1所述的方法，其特征在于，在每个聚类中分别根据索引检索查询数据所对应的检索结果，包括：

在当前聚类中，根据所述当前聚类的索引获取所述当前聚类中的检索数据；

分别确定分发到当前聚类的查询数据与每个检索数据的第三距离，并召回所述第三距离最小的预设数量的检索数据，作为所述分发到当前聚类的查询数据在当前聚类中所对应的检索结果。

6.根据权利要求5所述的方法，其特征在于，根据所述查询数据集中每个查询数据在一个或多个聚类中所对应的检索结果，确定所述查询数据集的检索结果，包括：

在将查询数据集中的查询数据分发到一个聚类中心所在的聚类中时，将所述查询数据集中每个查询数据在一个聚类中所对应的检索结果作为所述查询数据集的检索结果；或者

在将查询数据集中的查询数据分发到多个聚类中心所在的聚类中时，对所述查询数据集中每个查询数据在多个聚类中所对应的检索结果进行合并，得到所述查询数据集的检索结果。

7.一种数据检索装置，其特征在于，包括：

聚类模块，被配置为执行对检索数据集或查询数据集中的数据进行聚类，得到多个聚类中心；

检索数据分库模块，被配置为执行根据所述多个聚类中心，将所述检索数据集中的检索数据分别分发到每个聚类中心所在的聚类中，并在每个所述聚类中建立聚类中心与所述检索数据之间的索引；

查询数据检索模块，被配置为执行根据所述多个聚类中心，将所述查询数据集中的查询数据分别分发到一个或多个所述聚类中心所在的聚类中，并在每个聚类中分别根据索引检索查询数据所对应的检索结果；

检索结果确定模块，被配置为执行根据所述查询数据集中每个查询数据在一个或多个聚类中所对应的检索结果，确定所述查询数据集的检索结果。