[发明专利]一种基于多示例学习的检索方法及系统

权利要求书

1.一种基于多示例学习的检索方法，包括：

获取训练包以及训练包中的训练示例，所述训练包中包括正训练包；

为所述正训练包中的每一个训练示例生成权值，该权值的绝对大小代表相应的训练示例能够反映用户查询语义的程度；

针对训练包以及测试包中的所有示例，利用所述正训练包中各训练示例的权值，得到各个测试示例的排序分值；

根据测试包中各个测试示例的排序分值，确定各个测试包的排序分值，并根据所述测试包的排序分值确定检索结果。

2.根据权利要求1所述的方法，其特征在于，所述为所述正训练包中的每一个训练示例生成权值包括：

获知正训练包中的训练示例初始权值；

根据训练示例之间的相似度，采用基于图的算法进行学习，得到各个训练示例的排序分值；

确定训练包中的各个训练示例的正近邻示例集合，针对各个训练示例，根据正近邻示例集合中各训练示例的排序分值，改变正近邻示例集合中训练示例的权值，以得到正训练包中各个训练示例的最终权值；其中，所述训练示例的正近邻示例集合由正训练包中与该训练示例具有预置相似关系的训练示例组成。

3.根据权利要求2所述的方法，所述训练包中还包括负训练包，所述针对各个训练示例，根据正近邻示例集合中训练示例的排序分值，改变正近邻示例集合中训练示例的权值包括：

针对正训练包中的各个训练示例，根据正近邻示例集合中训练示例的排序分值，增大正近邻示例集合中训练示例的权值；

针对负训练包中的各个训练示例，根据正近邻示例集合中训练示例的排序分值，减小正近邻示例集合中训练示例的权值。

4.根据权利要求2所述的方法，所述确定训练包中的各个训练示例的正近邻示例集合包括：

根据在基于图的算法进行学习的过程中构建的带权图中各节点的一次或多次传递关系，确定训练包中的各个训练示例的正近邻示例集合；所述带权图中的节点对应于训练包中的所有训练示例，带权图的边的权值对应于其连接的两个节点之间的相似度。

5.根据权利要求1所述的方法，所述针对训练包以及测试包中的所有示例，根据所有示例之间的相似度以及所述正训练包中各训练示例的权值，得到测试示例的排序分值包括：

针对训练包以及测试包中的所有示例，根据所有示例之间的相似度，采用基于图的算法进行学习，得到各个测试示例的排序分值；其中，正训练包中各个训练示例的初始标签由各自的权重确定。

6.一种基于多示例学习的检索系统，包括：

获取单元，配置为获取训练包以及训练包中的训练示例，所述训练包中包括正训练包；

训练示例权值生成单元，配置为为所述正训练包中的每一个训练示例生成权值，该权值的绝对大小代表相应的训练示例能够反映用户查询语义的程度；

测试示例排序分值获取单元，配置为针对训练包以及测试包中的所有示例，利用所述正训练包中各训练示例的权值，得到各个测试示例的排序分值；

检索结果确定单元，配置为根据测试包中各个测试示例的排序分值，确定各个测试包的排序分值，并根据所述测试包的排序分值确定检索结果。

7.根据权利要求6所述的系统，其特征在于，所述训练示例权值生成单元包括：

初始权值获知子单元，配置为获知正训练包中的训练示例初始权值；

训练示例排序分值获取子单元，配置为根据训练示例之间的相似度，采用基于图的算法进行学习，得到各个训练示例的排序分值；

权值修改子单元，配置为确定训练包中的各个训练示例的正近邻示例集合，针对各个训练示例，根据正近邻示例集合中各训练示例的排序分值，改变正近邻示例集合中训练示例的权值，以得到正训练包中各个训练示例的最终权值；其中，所述训练示例的正近邻示例集合由正训练包中与该训练示例具有预置相似关系的训练示例组成。

8.根据权利要求7所述的系统，所述训练包中还包括负训练包，所述权值修改子单元包括：

权值增大子单元，配置为针对正训练包中的各个训练示例，根据正近邻示例集合中训练示例的排序分值，增大正近邻示例集合中训练示例的权值；

权值减小子单元，配置为针对负训练包中的各个训练示例，根据正近邻示例集合中训练示例的排序分值，减小正近邻示例集合中训练示例的权值。