[发明专利]高精度的类似检索系统

权利要求书

1.一种类似检索系统，其特征在于，

具备：

关键数据决定部，其根据注册用数据决定关键数据；

原始数据取得部，其取得原始数据；

特征量提取部，其从所述原始数据提取特征量；

得分计算部，其计算作为所述特征量之间的距离或类似度的得分；

索引用矢量生成部，其使用针对所述关键数据的所述得分，生成索引用矢量；

Δ得分计算部，其计算作为所述索引用矢量之间的距离或类似度的Δ得分；

各非关键数据参数学习部，其使用学习用数据，学习包含回归系数的各非关键数据的参数；

非关键数据选择顺序决定部，其使用检索用数据和所述非关键数据的所述Δ得分和所述回归系数，通过数理逻辑回归按照事后概率从大到小的顺序来决定所述非关键数据的选择顺序；

检索结果输出部，其根据所述检索用数据和所述注册用数据的所述得分，输出检索结果；以及

数据库，其保存所述注册用数据的所述特征量、记录了所述注册用数据中的哪一个是所述关键数据的关键数据信息、由所述各非关键数据的所述索引用矢量构成的索引、以及所述各非关键数据的参数。

2.根据权利要求1所述的类似检索系统，其特征在于，

所述各非关键数据参数学习部，学习包含索引用矢量大小的各非关键数据的参数。

3.根据权利要求2所述的类似检索系统，其特征在于，

所述各非关键数据参数学习部，以误差函数尽可能变小的方式学习包含所述索引用矢量大小的各非关键数据的所述参数。

4.根据权利要求2所述的类似检索系统，其特征在于，

所述各非关键数据参数学习部，在所述索引的大小成为某一定值以下时，以针对所述非关键数据的误差函数的总和尽可能变小的方式学习包含所述索引用矢量大小的各非关键数据的所述参数。

5.根据权利要求1所述的类似检索系统，其特征在于，

所述各非关键数据参数学习部，通过最大事后概率估计来学习所述各非关键数据的所述参数。

6.根据权利要求1所述的类似检索系统，其特征在于，

所述各非关键数据参数学习部，通过最大似然估计来学习所述各非关键数据的所述参数。

7.根据权利要求1所述的类似检索系统，其特征在于，

所述各非关键数据参数学习部，对于所述各非关键数据，计算与所述学习用数据的Δ得分，使用所述Δ得分来选择用于学习的所述学习用数据。

8.根据权利要求1所述的类似检索系统，其特征在于，

所述各非关键数据参数学习部使用所述注册用数据作为所述学习用数据。

9.根据权利要求1所述的类似检索系统，其特征在于，

所述各非关键数据参数学习部使用区别于所述注册用数据预先准备的数据作为所述学习用数据。

10.根据权利要求1所述的类似检索系统，其特征在于，

所述各非关键数据参数学习部对所述非关键数据进行分类归并，以得到的每个分类共用所述参数的一部分或者全部的方式学习所述各非关键数据的所述参数。

11.根据权利要求1所述的类似检索系统，其特征在于，

所述索引用矢量生成部生成作为所述索引用矢量的排列矢量。

12.根据权利要求1所述的类似检索系统，其特征在于，

所述索引用矢量生成部生成作为所述索引用矢量的得分矢量。

13.根据权利要求1所述的类似检索系统，其特征在于，

具有使用组ID进行缩小所述注册用数据的组缩小部，

所述数据库保存所述组ID。