[发明专利]矩阵数据索引方法及装置

说明书

技术领域

本发明涉及数据处理技术，尤其涉及一种矩阵数据索引方法及装置。

背景技术

矩阵是一种常见的数据表达形式，广泛应用于多个领域。但是，矩阵数据往往尺寸较大，直接保存矩阵会占用较大的存储空间，也不便于对矩阵数据进行索引；当前，针对矩阵的索引，可以有多种不同的算法，其中，在矩阵维度较大时，索引函数的复杂度是一个不可忽略的问题，具体地，对于一个矩阵元素个数为百万量级，对于一些复杂度高的索引函数，其参数个数也会在百万量级，存储大量的索引函数也会耗费大量的存储空间。

现有技术中，对于矩阵数据的索引，主要是将矩阵数据展开为向量，即将矩阵逐行或逐列拼接，然后采用向量索引技术加以处理。现有的向量索引技术主要包括基于树的方法，例如：K维树（k-dtree）方法。但是，采用这种方法，在矩阵维度较高的情况下无法获取合理的计算复杂度。

另外，现有技术中，对于矩阵元素较多的情况，还采用对矩阵元素欠采样（under-sampling）的方法，这种方法通过减少参与索引计算的元素个数，降低索引函数的复杂度。但是，采用这种方法会造成有效信息的损失，从而导致索引函数性能下降。

发明内容

本发明实施例提供一种矩阵数据索引方法及装置，用于解决现有技术矩阵索引方法在矩阵维度较高的情况下无法获取合理的计算复杂度，以及有效信息损失的问题。

本发明实施例第一方面提供一种矩阵数据索引方法，包括：

获取目标矩阵，其中，所述目标矩阵包括n×m个元素；

利用双线性哈希函数，获取所述目标矩阵对应的二值哈希码；

根据所述二值哈希码进行矩阵数据索引。

结合第一方面，在第一方面的第一种可能的实施方式中，所述利用双线性哈希函数，获取所述目标矩阵对应的二值哈希码之前，还包括：

根据所述目标矩阵，获取预设组高斯随机变量；

其中，每组所述高斯随机变量包括：第一高斯随机变量和第二高斯随机变量，所述第一高斯随机变量为n维向量，所述第二高斯随机变量为m维向量。

结合第一方面的第一种可能的实施方式，在第一方面的第二种可能的实施方式中，所述二值哈希码包括0和1。

结合第一方面的第二种可能的实施方式，在第一方面的第三种可能的实施方式中，所述双线性哈希函数为其中，X表示所述目标矩阵，u_k表示所述第一高斯随机变量，v_k表示所述第二高斯随机变量，表示所述u_k的转置向量。

结合第一方面的第二种可能的实施方式，在第一方面的第四种可能的实施方式中，所述利用双线性哈希函数，获取所述目标矩阵对应的二值哈希码之前，还包括：

根据所述目标矩阵，获取所述目标矩阵的随机置换函数。

结合第一方面的第四种可能的实施方式，在第一方面的第五种可能的实施方式中，所述双线性哈希函数为其中，φ(X)表示所述目标矩阵的置换函数，u_k表示所述第一高斯随机变量，v_k表示所述第二高斯随机变量，表示所述u_k的转置向量。

本发明第二方面提供一种矩阵数据索引装置，包括：

获取模块，用于获取目标矩阵，其中，所述目标矩阵包括n×m个元素；利用双线性哈希函数，获取所述目标矩阵对应的二值哈希码；

索引模块，用于根据所述二值哈希码进行矩阵数据索引。

结合第二方面，在第二方面的第一种可能的实施方式中，所述获取模块，还用于在利用双线性哈希函数，获取所述目标矩阵对应的二值哈希码之前，根据所述目标矩阵，获取预设组高斯随机变量；

其中，每组所述高斯随机变量包括：第一高斯随机变量和第二高斯随机变量，所述第一高斯随机变量为n维向量，所述第二高斯随机变量为m维向量。

结合第二方面的第一种可能的实施方式，在第二方面的第二种可能的实施方式中，所述二值哈希码包括0和1。

结合第二方面的第二种可能的实施方式，在第二方面的第三种可能的实施方式中，所述双线性哈希函数为其中，X表示所述目标矩阵，u_k表示所述第一高斯随机变量，v_k表示所述第二高斯随机变量，表示所述u_k的转置向量。

结合第二方面的第二种可能的实施方式，在第二方面的第四种可能的实施方式中，所述获取模块，还用于在利用双线性哈希函数，获取所述目标矩阵对应的二值哈希码之前，根据所述目标矩阵，获取所述目标矩阵的随机置换函数。