[发明专利]一种基于方位编码的相似数据搜索方法、系统及电子设备

权利要求书

1.一种基于方位编码的相似数据搜索方法，其特征在于，所述方法包括：

获取指定查询数据与给定数据集，所述给定数据集包括多项基本数据，所述指定查询数据与多项所述基本数据均为非结构化数据；

对所述指定查询数据与多项所述基本数据进行特征向量提取，生成相对应的多维特征向量，并根据所述多维向量在多维向量空间中确定与所述指定查询数据对应的查询点以及与多项基本数据对应的多个数据点；

针对多个所述数据点构造近邻图，在所述近邻图中为每个所述数据点的多个邻居点进行方位编码，确定多个所述邻居点相应的向量方位编码；

基于所述近邻图以及所述向量方位编码在多个所述数据点中进行最近邻搜索，以确定所述查询点的最近邻数据点；

确定所述最近邻数据点对应的所述基本数据为所述给定查询数据对应的相似数据。

2.根据权利要求1所述的方法，其特征在于，针对多个所述数据点构造近邻图，包括：

依次选取多个所述数据点作为顶点；

确定所述顶点与其他多个所述数据点之间的距离，选取与所述顶点间距离最小的多个所述数据点作为所述顶点的邻居点；

利用有向边将所述顶点与相应的多个所述邻居点连接，有向边从所述顶点指向所述邻居点。

3.根据权利要求1所述的方法，其特征在于，在所述近邻图中为每个所述数据点的多个邻居点进行方位编码，确定多个所述数据点相应的向量方位编码，包括：

针对所述给定数据集对应的多个所述数据点相应的所述多维特征向量进行主成分分析，确定主分量投影矩阵；

在所述近邻图中，根据所述主分量投影矩阵计算确定所述数据点对应的所述邻居点相对该数据点的方位编码串作为所述邻居点对应的所述向量方位编码。

4.根据权利要求3所述的方法，其特征在于，针对所述给定数据集对应的多个所述数据点相应的所述多维特征向量进行主成分分析，确定主分量投影矩阵，包括：

使用主成分分析方法计算出多个所述数据点相应的所述多维特征向量的前g′个主分量以构成所述主分量投影矩阵；

所述主分量：

其中表示所述主分量中第i个综合指标分量，所述主分量由g′个两两相互正交的向量构成，g′＝log₂g。

5.根据权利要求4所述的方法，其特征在于，根据所述主分量投影矩阵计算确定所述数据点对应的所述邻居点相对该数据点的方位编码串，包括：

对于每个所述给定数据集中的每个所述数据点令表示在近邻图中的一个所述邻居点，利用所述主分量投影矩阵，计算相对于的方位编码串：

C_y＝c₁c₂…c_i…c_g′

其中，c_i表示所述方位编码串中的第i位编码。

6.根据权利要求1所述的方法，其特征在于，基于所述近邻图以及所述向量方位编码在多个所述数据点中进行最近邻搜索，以确定所述查询点的最近邻数据点，包括：

从多个所述数据点中随机选取一个作为最近邻候选点；

基于所述近邻图确定所述最近邻候选点的多个邻居点；

确定所述查询点相对所述最近邻候选点的向量方位编码，并结合所述最近邻候选点的多个所述邻居点相应的所述向量方位编码，确定所述查询点与多个所述邻居点之间的汉明距离；

选取与所述查询点之间汉明距离最小的多个邻居点，并计算这多个邻居点与所述查询点之间的原始距离；

选取与所述查询点之间原始距离最小的点作为待定点，将所述待定点与所述查询点之间的原始距离与所述最近邻候选点与所述查询点之间的原始距离进行对比；

响应于所述待定点对应的所述原始距离小于所述最近邻候选点对应的所述原始距离，选取所述待定点作为新的最近邻候选点继续搜索；

响应于所述待定点对应的所述原始距离不小于所述最近邻候选定对应的所述原始距离，确定所述最近邻候选点为所述查询点对应的所述最近邻数据点。