[发明专利]数据检索方法、装置、电子设备、存储介质及计算机产品

说明书

本申请实施例提供了一种数据检索方法、装置、电子设备、存储介质及计算机产品，涉及多媒体、大数据和云技术领域。该方法包括：获取检索数据，确定检索数据与至少两个第一锚点中各第一锚点之间的第一相似度，至少两个锚点是通过对训练数据集中的多个样本数据进行聚类得到的至少两个聚类中心；获取被检索数据库中的每个被检索数据与各第一锚点之间的第二相似度；根据检索数据对应于各第一锚点的第一相似度以及每个被检索数据对应于各第一锚点的第二相似度，从被检索数据库中确定与检索数据匹配的各候选被检索数据；从各候选被检索数据中确定与检索数据匹配至少一个目标被检索数据。基于本申请实施例提供的方法，能够大大提高数据检索的效率。

技术领域

本申请涉及大数据及云技术领域，具体而言，本申请涉及一种是数据检索方法、装置、电子设备、存储介质及计算机产品。

背景技术

随着互联网的高速发展，图像、文本、视频等多媒体数据急剧增长，大规模数据检索/查询成为了一个研究热点。面对海量数据，最近邻搜索（ANN，Approximate NearestNeighbor）相比精确检索具备更广的应用优势，从而成为信息检索中的一项关键技术。

为了满足大规模数据的检索需求，检索技术一直在被不断的优化改进。其中，哈希技术由于其低廉的存储成本和高效的查询效率，受到了越来越多的关注。通过哈希技术可以将高位的数据编码成低维紧凑的二进制哈希码，从而加速数据间相似性的计算。虽然基于哈希技术的检索方式已经可以取得相对不错的性能，但是庞大的数据规模仍然是高效检索的一个瓶颈。如何降低数据检索的复杂度、提高检索效率仍是需要改进的重要问题之一。

发明内容

本申请的目的旨在提供一种能够有效提高数据检索效率的数据检索方法、装置、电子设备及存储介质。为了实现上述目的，本申请实施例提供的技术方案如下：

一方面，本申请实施例提供了一种数据查询方法，该方法包括：

获取检索数据，确定检索数据与至少两个第一锚点中各第一锚点之间的第一相似度，其中，至少两个第一锚点是通过对训练数据集中的多个样本数据进行聚类得到的至少两个聚类中心；

获取被检索数据库中的每个被检索数据与各第一锚点之间的第二相似度；

根据检索数据对应于各第一锚点的第一相似度、以及每个被检索数据对应于各第一锚点的第二相似度，从被检索数据库中确定与检索数据匹配的各候选被检索数据；

从各候选被检索数据中确定出与检索数据匹配的至少一个目标被检索数据。

另一方面，本申请实施例提供了一种数据检索装置，该装置包括：

相似度确定模块，用于获取检索数据，确定检索数据与至少两个第一锚点中各第一锚点之间的第一相似度，其中，至少两个第一锚点是通过对训练数据集中的多个样本数据进行聚类得到的至少两个聚类中心；

候选数据确定模块，用于获取被检索数据库中的每个被检索数据与各第一锚点之间的第二相似度；根据检索数据对应于各第一锚点的第一相似度、以及每个被检索数据对应于各第一锚点的第二相似度，从被检索数据库中确定与检索数据匹配的各候选被检索数据；

检索结果确定模块，用于从各候选被检索数据中确定与检索数据匹配的至少一个目标被检索数据。

可选的，候选数据确定模块可以具体用于：

对于每个被检索数据，根据被检索数据对应于各第一锚点的第二相似度，从各第一锚点中确定出与被检索数据匹配的至少一个锚点；对于每个第一锚点，将与第一锚点匹配的各被检索数据确定为第一锚点对应的数据子集；根据检索数据对应于各第一锚点的第一相似度，从各第一锚点中确定出与检索数据匹配的至少一个目标锚点；将各目标锚点对应的数据子集中的被检索数据，确定为与检索数据匹配的各候选被检索数据。

可选的，候选数据确定模块可以具体用于：

对于每个被检索数据，根据被检索数据对应于各第一锚点的第二相似度，从各锚点中确定出与被检索数据最匹配的第二锚点；