[发明专利]对大规模高维数据集进行快速的基于相似性的查询、自连接以及连接的方法和设备

摘要

一种利用相似性索引(400)对大规模高维数据集进行快速的、基于相似性的查询、自连接和连接的方法和设备。

主权项

1. 一种计算机实现的方法，其包括：(a)指定叶节点的上限为G项；(b)输入n个输入内容项并指示所述n个输入项为当前集合；(c)确定是否n>G；以及(d)如果不是，那么(d1)建立叶节点；(d2)用所述n个输入内容项填充所述叶节点；以及(d3)接通从父辈到所述叶节点的链接，所述叶节点能够被储存在所述计算机的硬件里并能够显示给用户；(e)如果是，那么(e1)对所述当前集合的所有项计算向量和，其中所述向量和是vsplit＝sum(i；x.i)/n；(e2)为在所述当前集合里的每一项计算向量差，其中所述向量差是d.i＝x.i-vsplit；(e3)为在所述当前集合里的每一项计算标量值，其中所述标量值是p.i＝，并构成为每一项所计算出的所述标量值的集合；(e4)确定是否p.i<3；以及(f)如果不是，那么(f1)从所述集合移除最大的p.i(f2)从所述集合移除最小的p.i；以及(f3)在(e3)重新开始；(g)如果是，那么(g1)确定1个还是2个计算的值剩余在所述集合里；以及(h)如果是1个，那么(h1)让p.split成为所述1个计算的剩余值；以及(h2)在(j)重新开始；(i)如果是2个，那么(i1)让p.split成为所述2个计算的剩余值的平均值；以及(i2)在(j)重新开始；(j)定义由所述vsplit和所述p.split组成的分离器；(k)对于所述当前集合里的所述内容项的每一个，如果p.i>p.split，则将其指示为“上部”名称，否则为“下部”名称；(l)建立由所述分离器组成的内部节点，并定义到所述“下部”节点和所述“上部”节点的链接；(m)将所述“下部”节点作为项输入到新的“下部”当前集合，让新的“下部”n指示在所述新的“下部”当前集合中的项的数量，用所述新的“下部”当前集合代替所述当前集合，用所述新的“下部”n代替所述n，并在(c)重新开始；(n)将所述“上部”节点作为项输入到新的“上部”当前集合，让新的“上部”n指示在所述新的“上部”当前集合中的项的数量，用所述新的“上部”当前集合代替所述当前集合，用所述新的“上部”n代替所述n，并在(c)重新开始。