[发明专利]一种结合VP树和导向近邻图的近似最近邻搜索方法

权利要求书

1.一种结合VP树和导向近邻图的近似最近邻搜索方法，其特征在于该方法包含两个过程：索引构建过程和三阶段搜索过程；具体包含以下步骤：

(1)索引构建过程：首先构建存放入口点的VP树，然后将高维向量数据构建成K近邻图，最后基于VP树和K近邻图生成可导向K近邻图；

(1-1)针对高维向量数据构建存放入口点的VP树；

(1-2)使用可导航伸展图将高维向量数据构建成K近邻图；

(1-3)基于VP树将K近邻图中的每个点的邻居集均匀地划分为子邻居集left和子邻居集right得到可导向近邻图；

(2)执行搜索过程，搜索过程包括三个阶段：查找入口点阶段、导向搜索阶段和穷尽搜索阶段；

(2-1)查找入口点阶段：通过搜索VP树，快速得到大致接近查询点的入口点；

(2-2)导向搜索阶段：从入口点开始，利用基于VP树的导向搜索算法高效的收敛并得到查询点的局部最近点；

(2-3)穷尽搜索阶段：从查询点的局部最近点开始，利用范围搜索算法穷尽搜索查询点附近的点并返回查询点的top-K个最近点。

2.根据权利要求1所述的一种结合VP树和导向近邻图的近似最近邻搜索方法，其特征在于，步骤(1-1)所述的

针对高维向量数据构建存放入口点的VP树的形式化描述是，对于高维数据集S，将其抽象表示为

S＝{v_i|i＝1，2，…，N}

其中，v_i为第i个向量数据，N为数据集的大小；

VP树的0到dep-1层的非叶子节点将高维数据集S划分成规模较小的2^dep-1个子集，dep表示VP树的深度，VP树的dep层的叶子节点将对应子集的质心作为入口点保存；

每个VP树节点对应集合表示为

其中x表示VP树节点对应的序号，对于VP树的每一个非叶子节点，从每一个非叶子节点对应的集合S_x中随机选出一个点作为优势点t_x，t_x满足

t_x＝{t_x∈S_x|0≤x≤2^dep-1-2}

计算优势点t_x和集合S_x中所有点之间的距离并选择能够将集合S_x均匀地划分为两个子集S_2x+1和S_2x+2的中间距离作为中间值μ_x，S_2x+1和S_2x+2满足

S_2x+1＝{s∈S_x|dist(s，t_x)≤μ_x，2x+1＜2^dep-2}

S_2x+2＝{s∈S_x|dist(s，t_x)＞μ_x，2x+2≤2^dep-2}

S_2x+1和S_2x+2分别用于构建序号为x的VP树节点的左子树和右子树，以此类推直到VP树的深度达到预设深度dep时终止，对于每个叶子节点，将每个叶子节点对应的集合S_x的质心e_i作为入口点，e_i满足

e_i＝{e_i∈S_x|1≤i≤2^dep-1，2^dep-1-1≤x≤2^dep-2}

最终能使2^dep-1个入口点均匀地分布在近邻图中；

VP树具体的构建步骤如下所示：

步骤1：从根节点对应的集合S₀(S₀＝S)中随机选择t₀作为优势点，计算优势点t₀和集合S₀中所有点之间的距离并选择能够将集合S₀均匀地划分为两个子集S₁和S₂的中间距离作为中间值μ₀，S₁和S₂满足

S₁＝{s∈S₀|dist(s，t₀)≤μ₀}

S₂＝{s∈S₀|dist(s，t₀)＞μ₀}

步骤2：将步骤1的过程递归应用于子集S₁和S₂，直到深度达到dep时终止；

步骤3：将dep层中每个叶子节点对应的集合的质心e_i作为入口点保存；

VP树索引结构的非叶子节点只保存对应的优势点t_x和中间值μ_x，叶子节点只需要保存对应的入口点e_i即可，VP树能够将10^dep-1个入口点均匀地分布在近邻图中。