[发明专利]基于距离划分树的高维数据相似性连接查询方法及装置

权利要求书

1.一种基于距离划分树的高维数据相似性连接查询方法，其特征在于，包括：

获取所有待查询的高维的原始数据，并将所述原始数据映射到一维空间；

根据预设的第一距离阈值及卡方分布性质确定第二距离阈值，根据所述一维空间中的所述原始数据和所述第二距离阈值构建距离划分树；

遍历所述距离划分树，并对所述距离划分树中的各节点进行比较，获得候选相似节点对集合；

计算所述候选相似节点对集合中各候选相似节点对包括的原始数据之间的原始距离，并将所述原始距离与所述第一距离阈值进行比较，获得相似性查询结果。

2.根据权利要求1所述的方法，其特征在于，所述根据所述一维空间中的所述原始数据和所述第二距离阈值构建距离划分树，包括：

根据所述原始数据构建根节点；

根据所述第二距离阈值对所述一维空间进行划分，获得所述根节点对应的多个子节点；

计算各原始数据在所述一维空间的映射值，根据所述映射值和所述第二距离阈值计算各原始数据对应的所述子节点的编号；

若判断获知所述子节点的编号不存在，则生成对应编号的新子节点；

若判断获知所述子节点中所述原始数据的个数大于预设阈值，则根据所述子节点的距离范围对所述子节点进行再次划分，直至所述子节点中的原始数据的个数小于或等于所述预设阈值，获得所述距离划分树。

3.根据权利要求1所述的方法，其特征在于，所述根据所述一维空间中的所述原始数据和所述第二距离阈值构建距离划分树，包括：

从所述原始数据中随机获取原始数据子集，根据所述原始数据子集构建对应的初始距离划分树；

对所述初始距离划分树按照预设规则进行扩展，获得所述距离划分树；其中，所述预设规则包括：

对所述初始距离划分树中的第一层子节点进行扩展；

若所述初始距离划分树中的第一层最左边子节点的编号大于1，则生成一个虚拟子节点；

在所述初始距离划分树中的第一层最右边生成一个虚拟子节点；

若判断获知所述初始距离划分树中的第一层的所述子节点的编号非连续，则在非连续编号的两个子节点中间生成一个虚拟子节点。

4.根据权利要求3所述的方法，其特征在于，所述根据所述原始数据子集构建对应的初始距离划分树，包括：

根据所述原始数据子集构建根节点；

将所述原始数据子集映射到一维空间，并根据所述第二距离阈值对所述一维空间进行划分，获得所述根节点对应的多个子节点；

计算各原始数据子集在所述一维空间的映射值，根据所述映射值和所述第二距离阈值计算各原始数据对应的所述子节点的编号；

若判断获知所述子节点的编号不存在，则生成对应编号的新子节点；

若判断获知所述子节点中所述原始数据子集的个数大于预设阈值，则根据所述子节点的距离范围对所述子节点进行再次划分，直至所述子节点中的原始数据子集的个数小于或等于所述预设阈值，获得初始距离划分树。

5.根据权利要求1所述的方法，其特征在于，所述遍历所述距离划分树，并对所述距离划分树中的各节点进行比较，获得候选相似节点对集合，包括：

遍历所述距离划分树，并获得对应的叶子节点集合；

将所述叶子节点集合中的每一叶子节点构成一个候选相似节点对，并加入到所述候选相似节点对集合中；

若判断获知叶子节点N_i的距离范围下界与叶子节点N_j的距离范围上界之差小于或等于第二距离阈值，则将所述叶子节点N_i和所述叶子节点N_j构成一个候选相似节点对，并加入到所述候选相似节点对集合中，其中，i和j均为正整数，且i<j。

6.根据权利要求1-5任一项所述的方法，其特征在于，所述将所述原始距离与所述第一距离阈值进行比较，获得相似性查询结果，包括：

若判断获知所述原始距离小于或等于所述第一距离阈值，则将所述原始距离对应的候选数据对作为所述相似性查询结果。