CN115169489A

CN115169489A - 数据检索方法、装置、设备以及存储介质

Info

Publication number: CN115169489A
Application number: CN202210881100.4A
Authority: CN
Inventors: 张云非
Original assignee: Beijing Baidu Netcom Science and Technology Co Ltd
Current assignee: Beijing Baidu Netcom Science and Technology Co Ltd
Priority date: 2022-07-25
Filing date: 2022-07-25
Publication date: 2022-10-11
Anticipated expiration: 2042-07-25
Also published as: CN115169489B

Abstract

本公开提供了一种数据检索方法、装置、设备、存储介质以及程序产品，涉及计算机技术领域，尤其涉及信息检索技术领域。具体实现方案为：利用多义码码本，对检索向量进行编码，得到第一编码结果以及与第一编码结果对应的第一序号集合序号；获取与多个第二编码结果中每个第二编码结果对应的第二序号集合，其中，多个第二向量编码结果是利用多义码码本，对多个原始向量进行编码得到的；根据第一序号集合和第二序号集合，确定多个原始向量中的至少一个候选向量；以及确定至少一个候选向量中与检索向量对应的目标向量，作为检索结果。

Description

数据检索方法、装置、设备以及存储介质

技术领域

本公开涉及计算机技术领域，尤其涉及信息检索技术领域。

背景技术

随着互联网的发展，图片搜索、视频搜索等需求越来越多。对于图片和视频等非结构化数据，可以通过深度学习模型提取这些非结构化数据的特征向量。然后通过比较这些特征向量的相似度来实现数据检索。

发明内容

本公开提供了一种数据检索方法、装置、设备、存储介质以及程序产品。

根据本公开的一方面，提供了一种数据检索方法，包括：利用多义码码本，对检索向量进行编码，得到第一编码结果以及与所述第一编码结果对应的第一序号集合序号；获取与多个第二编码结果中每个第二编码结果对应的第二序号集合，其中，所述多个第二向量编码结果是利用所述多义码码本，对多个原始向量进行编码得到的；根据所述第一序号集合和所述第二序号集合，确定所述多个原始向量中的至少一个候选向量；以及确定所述至少一个候选向量中与所述检索向量对应的目标向量，作为检索结果。

根据本公开的另一方面，提供了一种数据检索装置，包括：编码模块，用于利用多义码码本，对检索向量进行编码，得到第一编码结果以及与所述第一编码结果对应的第一序号集合序号；获取模块，用于获取与多个第二编码结果中每个第二编码结果对应的第二序号集合，其中，所述多个第二向量编码结果是利用所述多义码码本，对多个原始向量进行编码得到的；第一确定模块，用于根据所述第一序号集合和所述第二序号集合，确定所述多个原始向量中的至少一个候选向量；以及第二确定模块，用于确定所述至少一个候选向量中与所述检索向量对应的目标向量，作为检索结果。

本公开的另一个方面提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本公开实施例所示的方法。

根据本公开实施例的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行本公开实施例所示的方法。

根据本公开实施例的另一方面，提供了一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现本公开实施例所示方法的步骤。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1示意性示出了根据本公开实施例的可以应用数据检索方法和装置的示例性系统架构；

图2示意性示出了根据本公开的实施例的数据检索方法的流程图；

图3示意性示出了根据本公开另一实施例的数据检索方法的流程图；

图4示意性示出了根据本公开的实施例的对检索向量进行编码的方法的方法流程图；

图5示意性示出了根据本公开的实施例的对检索向量进行编码的示意图；

图6示意性示出了根据本公开的实施例的确定原始向量中候选向量的方法流程图；

图7示意性示出了根据本公开的实施例的确定第一编码结果与第二编码结果之间的第一相似度的示意图；

图8示意性示出了根据本公开的实施例的确定候选向量中目标向量的方法流程图；

图9示意性示出了根据本公开另一实施例的数据检索方法的示意图；

图10示意性示出了根据本公开实施例的数据检索装置的框图；以及

图11示意性示出了可以用来实施本公开的实施例的示例电子设备的框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

以下将结合图1对本公开提供的可以应用数据检索方法和装置的系统架构进行描述。

图1示意性示出了根据本公开实施例的可以应用数据检索方法和装置的示例性系统架构。需要注意的是，图1所示仅为可以应用本公开实施例的系统架构的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。

如图1所示，根据该实施例的系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。

终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器105可以提供数据检索服务的服务器，例如ANN(Approximate NearestNeighbor，近似最近邻)检索服务器。服务器105可以接收用户通过终端设备101、102、103发送的检索对象等数据，然后对检索对象进行特征提取，得到检索向量，根据检索向量进行检索，得到检索结果，并将检索结果所对应的目标对象反馈给终端设备。

服务器105可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务(″Virtual Private Server″，或简称″VPS″)中，存在的管理难度大，业务扩展性弱的缺陷。服务器105也可以为分布式系统的服务器，或者是结合了区块链的服务器。

需要说明的是，本公开实施例所提供的数据检索方法一般可以由服务器105执行。相应地，本公开实施例所提供的数据检索装置一般可以设置于服务器105中。本公开实施例所提供的数据检索方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地，本公开实施例所提供的数据检索装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

在本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供、公开和应用等处理，均符合相关法律法规的规定，采取了必要保密措施，且不违背公序良俗。

在本公开的技术方案中，在获取或采集用户个人信息之前，均获取了用户的授权或同意。

以下将结合图2对本公开提供的数据检索方法进行描述。

图2示意性示出了根据本公开的实施例的数据检索方法的流程图。

如图2所示，该数据检索方法200包括在操作S210，利用多义码码本，对检索向量进行编码，得到第一编码结果以及与第一编码结果对应的第一序号集合。

根据本公开的实施例，检索向量即为需要检索的向量。

根据本公开的实施例，多义码码本可以包括多个编码，以及多个编码的序号。本实施例中，例如可以根据检索向量，在多义码码本中查找对应的编码，即第一编码。这些第一编码构成第一编码结果，这些第一编码的序号构成第一序号集合。

然后，在操作S220，获取与多个第二编码结果中每个第二编码结果对应的第二序号集合。

根据本公开的实施例，可以预先利用多义码码本，对多个原始向量进行编码得到多个第二向量编码结果，并根据每个第二向量编码结果中编码的序号，确定第二序号集合。

在操作S230，根据第一序号集合和第二序号集合，确定多个原始向量中的至少一个候选向量。

根据本公开的实施例，例如可以根据第一序号集合和第二序号集合之间的相似度，确定相似度较高的原始向量作为候选向量。

在操作S240，确定至少一个候选向量中与检索向量对应的目标向量，作为检索结果。

根据本公开的实施例，例如可以确定每个候选向量与检索向量之间的相似度，确定相似度较高的候选向量作为目标向量。

根据本公开的实施例，根据第一序号集合和第二序号集合，确定多个原始向量中的至少一个候选向量，减少了计算非对称距离的次数，从而减少整体计算量，提升了检索服务的响应速度，同时降低了检索服务对计算资源的开销，节约了服务器成本。

根据本公开的另一实施例，在存储原始对象时，可以将原始对象进行特征提取，得到特征向量，然后存储原始对象和对应的特征向量。其中，原始对象例如可以包括文本、图像、音频、视频等等。在需要检索与检索对象相似的原始对象时，可以对检索对象进行特征提取，得到检索向量。然后根据检索向量在已存储的特征向量中进行检索，得到目标向量，然后确定与目标向量对应的目标对象。其中，检索对象例如可以包括文本、图像、音频、视频等等。检索对象可以与原始对象属于同一种数据类型，也可以分属不同的数据类型。

根据本公开的另一实施例，多义码码本可以预先通过训练得到。基于此，图3示意性示出了根据本公开另一实施例的数据检索方法的流程图。

如图3所示，该数据检索方法300还可以包括在操作S350，将多个样本向量中的每个样本向量划分为M个第一向量段。

根据本公开的实施例，M为正整数，M大于0且小于或等于样本向量的维度。

根据本公开的实施例，例如可以根据样本向量的维度，将每个样本向量划分为M个第一向量段，其中每个第一向量段具有相同的维度。例如，每个样本向量为d维，则将样本向量划分为M个第一向量段后，每个第一向量段为d/M维。

根据本公开的实施例，例如可以将每个样本向量划分为M个第一向量段，可以将该M个第一向量段作为一个向量段集合。由此可以得到M个向量段集合，分别与M个样本向量一一对应。

在操作S360，将M个第一向量段中每个第一向量段聚类为K个类，得到MK个类中心。

根据本公开的实施例，K为正整数。K的具体取值可以根据实际需要设置。

根据本公开的实施例，例如可以利用k-means算法进行聚类。

例如，可以从每个向量段集合中获取第i个第一向量段，得到M个第一向量段，其中，i为大于0且小于或等于M的正整数。将该M个第一向量段中的第一向量进行聚合，划分为K个类，并得到该K个类的类中心。依次类推，可以得到M乘以K个类中心，即MK个类中心。

在操作S370，根据MK个类中心的数值大小，为MK个类中心设置序号。

根据本公开的实施例，例如可以以数值从大到小的顺序，依次为每个类中心设置递减的序号。或者，可以以数值从小到大的顺序，依次为每个类中心设置递增的序号。

在操作S380，根据MK个类中心，确定多义码码本。

根据本公开的实施例，例如可以将这些类中心作为多义码码本中的编码。另外，还可以将类中心的序号设置为编码的下标。

根据本公开的实施例，在确定多义码码本后，可以根据多义码码本对原始向量进行编码。通过编码可以对原始向量进行压缩，从而减少对存储空间的占用。

图4示意性示出了根据本公开的实施例的对检索向量进行编码的方法的方法流程图。

如图4所示，该方法410可以包括在操作S411，将检索向量划分为M个第二向量段。

根据本公开的实施例，例如可以根据检索向量的维度，将检索向量划分为M个第二向量段，其中每个第二向量段具有相同的维度。

在操作S412，根据多义码码本，确定与M个第二向量段中每个第二向量段对应的目标类中心。

根据本公开的实施例，例如可以确定多义码码本中与每个第二向量段最接近的类中心，作为目标类中心，得到M个目标类中心。

在操作S413，确定目标类中心作为第一编码，得到第一编码结果。

根据本公开的实施例，可以确定M个目标类中心和该M个目标类中心的序号作为第一编码结果。

下面参考图5，结合具体实施例对上文所示的对检索向量进行编码的方法做进一步说明。本领域技术人员可以理解，以下示例实施例仅用于理解本公开，本公开并不局限于此。

图5示意性示出了根据本公开的实施例的对检索向量进行编码的示意图。

在图5中示出了，检索向量501为d维。本实施例中，可以将检索向量划分为M个d’维的向量段502，这一过程也称为压缩。针对M个向量段502中的每个向量段502，确定多义码码本中与该向量段最相接近的类中心503，以该类中心503作为该向量段的编码，得到与M个向量段对应的M个编码。该M个编码和该M个编码的序号即作为检索向量的编码结果。

图6示意性示出了根据本公开的实施例的确定原始向量中候选向量的方法流程图。

如图6所示，该方法630可以包括在操作S631，针对多个第二编码结果中每个第二编码结果，根据第二编码结果中每个第二编码的序号和第一编码结果中每个第一编码的序号，确定第一相似度。

根据本公开的实施例，例如可以针对第二编码结果中每个第二编码，确定第一编码结果中与该第二编码对应的第一编码。然后确定该第二编码的序号和该第一编码的序号之间差值的绝对值。将每个第二编码所对应的绝对值相加，得到第二编码结果与第一编码结果之间的第一相似度。

在操作S632，根据第一相似度，确定多个原始向量中的至少一个候选向量。

根据本公开的实施例，例如可以根据第一序号集合和第二序号集合之间的第一相似度，确定第一相似度大于第一相似度阈值的原始向量，作为候选向量。其中，第一相似度阈值可以根据实际需要设置。

根据本公开的实施例，第一相似度也可以被定义为检索向量与原始向量之间的对称距离。

在每次数据检索时，减少了计算非对称距离的次数，从而减少整体计算量，提升了检索服务的响应速度，同时降低了检索服务对计算资源的开销，节约了服务器成本。

下面参考图7，结合具体实施例对上文所示的确定第一编码结果与第二编码结果之间的第一相似度的方法做进一步说明。本领域技术人员可以理解，以下示例实施例仅用于理解本公开，本公开并不局限于此。

图7示意性示出了根据本公开的实施例的确定第一编码结果与第二编码结果之间的第一相似度的示意图。

在图7中示出了，第一编码结果A可以包括d’个序号，分别是109、88、……34，第二编码结果B可以包括d’个序号，分别是73、88、……44。示例性地，本实施例中，可以确定第一编码结果和第二编码结果中对应位置中的序号差值并确定该差值的绝对值D。例如，可以计算A[1]与B[1]的差值的绝对值D[1]，即D[1]＝|109-73|＝36，可以计算A[2]与B[2]的差值的绝对值D[2]，即D[2]＝|88-88|＝0，可以计算A[d’]与B[d’]的差值的绝对值D[d’]，即D[d’]＝|34-44|＝10。然后可以将D[1]、D[2]、……D[d’]相加，得到sum(D)，作为第一编码结果和第二编码结果之间的第一相似度。

图8示意性示出了根据本公开的实施例的确定候选向量中目标向量的方法流程图。

如图8所示，该方法840可以包括在操作S841，确定检索向量与至少一个候选向量中每个候选向量之间第二相似度。

根据本公开的实施例，例如可以针对每个候选向量，计算检索向量与候选向量之间的欧式距离，作为检索向量与候选向量之间的第二相似度。

在操作S842，根据第二相似度，确定至少一个候选向量中的目标向量，作为检索结果。

根据本公开的实施例，例如可以确定至少一个候选向量中相似度大于第二相似度阈值的候选向量作为目标向量，从而得到检索结果。

在存储数据时，可以利用深度学习模型把待存储的对象表示为特征向量。该特征向量可以反映该对象的特征。该特征向量例如可以为稠密向量。可以根据两个对象所对应的向量之间距离来确定该两个对象之间的相似度。基于此，在需要检索相似对象的时，可以计算对象所对应的向量之间的距离，选择距离最近的向量，根据对象所对应的向量进行检索。

相关技术在进行数据检索中，需要计算检索向量X和每个原始向量Y之间的欧式距离，然后取出其中距离最小的前k个原始向量。其中，k为正整数。

根据本公开的实施例，X和Y经过编码后，编码结果分别为C_x和C_y，则有：

C_x＝c_x1×…×c_xn

C_y＝c_y1×…×c_yn

其中，c_xi即为PQ算法对x_i算法编码的结果，×符号代表笛卡尔积，即编码结果是对向量每一维编码结果的笛卡尔积。需要说明的是，本实施例中假设对向量进行编码时，单独切分向量的每一维进行量化。

然后可以根据以下公式计算序号的差值的绝对值：

P(c_xi，c_yi)＝abs(c_xi-c_yi)

接着可以根据以下公式计算第一相似度：

由于

因此根据D(X，Y)进行排序的排序结果，与根据P(C_x，C_y)进行排序的排序结果相同，进而可以利用P(C_x，C_y)来估计欧式距离。

基于此，根据本公开的实施例，在计算检索向量X和原始向量Y∈{Y₁，Y₂…Y_m}之间的距离时，可以不直接计算X和Y的欧式距离，而是先计算

的值作为估计量。取估计量中最小的前k^p个，其中k^p为正整数，为根据估计量得到的候选向量的数量。然后对这k^p个Y计算D(X，Y)，再从中取出其中距离最小的前k个，其中k为正整数。

可以将P(c_xi，c_yi)所需的计算量记作P，将D(X，Y)所需的计算量记作D，在检索向量和原始均为稠密向量的情况下，如果向量维度d确定，则P和D所代表的计算量和具体的X和Y无关。那么一次检索的整体计算量可以从mD减少为mP+k^pD。其中，m为原始向量的个数。

在将向量编码后存储于内存时，计算D(X，Y)的过程需要频繁访问内存，因而无法使用SIMD(Single Instruction Multiple Data，单指令多数据流)指令实现。而计算P(C_x，C_y)时可以使用相应的SIMD指令实现，例如可以使用intel平台的sad系列指令或arm的vaba系列指令等实现，即计算量P＜D，故在k^p＜＜m时可以明显减少整体计算量。

下面参考图9，结合具体实施例对上文所示的数据检索方法做进一步说明。本领域技术人员可以理解，以下示例实施例仅用于理解本公开，本公开并不局限于此。

图9示意性示出了根据本公开另一实施例的数据检索方法的示意图。

在图9中示出了，服务器中存储有原始向量doc1、doc2、doc3、doc4和doc5。

在操作S901，服务器获取检索请求query。其中，检索请求中可以包含检索对象。其中，检索对象例如可以包括文本、图像、音频、视频等。服务器可以利用深度学习模型提取检索对象的特征，得到检索向量。

在操作S902，服务器可以利用多义码码本，对检索向量进行编码，得到第一编码结果qcode以及与第一编码结果qcode对应的第一序号集合。

在操作S903，可以计算每个原始向量与检索向量所对应的序号集合之间的第一相似度。

在操作S904，根据第一相似度，确定原始向量中的候选向量。

示例性地，本实施例中，可以选择第一相似度最高的3个检索向量doc3、doc4和doc6作为候选向量。

在操作S905，确定检索向量与每个候选向量之间第二相似度。

示例性地，本实施例中，可以计算检索向量与每个候选向量之间欧式距离，作为第二相似度。

在操作S906，根据第二相似度，对候选向量进行排序。

示例性地，本实施例中，可以以欧式距离从小到大的顺序，对doc3、doc4和doc6进行排序，得到doc3、doc6和doc4。

在操作S907，根据排序结果，确定候选向量中的目标向量，并输出目标向量所对应的原始对象。

示例性地，本实施例中，可以选择其中前n个作为目标向量，其中，n为正整数，可以根据实际需要设置。示例性地，本实施例中n可以为1，即可以确定欧式距离最小的doc3作为目标向量。确定目标向量之后，可以将doc3所对应的原始对象输出。原始对象可以包括文本、图像、音频、视频等。

以下将结合图10对本公开提供的数据检索装置进行描述。

图10示意性示出了根据本公开实施例的数据检索装置的框图。

如图10所示，数据检索装置1000包括编码模块1010、获取模块1020、第一确定模块1030和第二确定模块1040。

编码模块1010，用于利用多义码码本，对检索向量进行编码，得到第一编码结果以及与第一编码结果对应的第一序号集合序号。

获取模块1020，用于获取与多个第二编码结果中每个第二编码结果对应的第二序号集合，其中，多个第二向量编码结果是利用多义码码本，对多个原始向量进行编码得到的。

第一确定模块1030，用于根据第一序号集合和第二序号集合，确定多个原始向量中的至少一个候选向量。

第二确定模块1040，用于确定至少一个候选向量中与检索向量对应的目标向量，作为检索结果。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图11示意性示出了可以用来实施本公开的实施例的示例电子设备1100的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图11所示，设备1100包括计算单元1101，其可以根据存储在只读存储器(ROM)1102中的计算机程序或者从存储单元1108加载到随机访问存储器(RAM)1103中的计算机程序，来执行各种适当的动作和处理。在RAM 1103中，还可存储设备1100操作所需的各种程序和数据。计算单元1101、ROM 1102以及RAM 1103通过总线1104彼此相连。输入/输出(I/O)接口1105也连接至总线1104。

设备1100中的多个部件连接至I/O接口1105，包括：输入单元1106，例如键盘、鼠标等；输出单元1107，例如各种类型的显示器、扬声器等；存储单元1108，例如磁盘、光盘等；以及通信单元1109，例如网卡、调制解调器、无线通信收发机等。通信单元1109允许设备1100通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元1101可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1101的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1101执行上文所描述的各个方法和处理，例如数据检索方法。例如，在一些实施例中，数据检索方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元1108。在一些实施例中，计算机程序的部分或者全部可以经由ROM 1102和/或通信单元1109而被载入和/或安装到设备1100上。当计算机程序加载到RAM 1103并由计算单元1101执行时，可以执行上文描述的数据检索方法的一个或多个步骤。备选地，在其他实施例中，计算单元1101可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行数据检索方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims

1.一种数据检索方法，包括：

利用多义码码本，对检索向量进行编码，得到第一编码结果以及与所述第一编码结果对应的第一序号集合序号；

获取与多个第二编码结果中每个第二编码结果对应的第二序号集合，其中，所述多个第二向量编码结果是利用所述多义码码本，对多个原始向量进行编码得到的；

根据所述第一序号集合和所述第二序号集合，确定所述多个原始向量中的至少一个候选向量；以及

确定所述至少一个候选向量中与所述检索向量对应的目标向量，作为检索结果。

2.根据权利要求1所述的方法，其中，所述第一编码结果包括多个第一编码，所述第一序号集合包括所述多个第一编码中每个第一编码的序号，所述第二编码结果包括多个第二编码，所述第二序号集合包括所述多个第二编码中每个第二编码的序号；

所述根据所述第一序号集合和所述第二序号集合，确定所述多个原始向量中的至少一个候选向量，包括：

针对多个第二编码结果中每个第二编码结果，根据所述第二编码结果中每个第二编码的序号和所述第一编码结果中每个第一编码的序号，确定第一相似度；以及

根据所述第一相似度，确定所述多个原始向量中的至少一个候选向量。

3.根据权利要求2所述的方法，其中，所述根据所述第二编码结果中每个第二编码的序号和所述第一编码结果中每个第一编码的序号，确定所述第二编码结果与所述第一编码结果之间的第一相似度，包括：

针对所述第二编码结果中每个第二编码，

确定所述第一编码结果中与该第二编码对应的第一编码；

确定该第二编码的序号和该第一编码的序号之间差值的绝对值；以及

将所述每个第二编码所对应的绝对值相加，得到所述第二编码结果与所述第一编码结果之间的第一相似度。

4.根据权利要求1所述的方法，其中，所述确定所述至少一个候选向量中与所述检索向量对应的目标向量，作为检索结果，包括：

确定所述检索向量与所述至少一个候选向量中每个候选向量之间第二相似度；以及

根据所述第二相似度，确定所述至少一个候选向量中的目标向量，作为检索结果。

5.根据权利要求1所述的方法，其中，所述确定所述检索向量与所述至少一个候选向量中每个候选向量之间第二相似度，包括：

针对所述每个候选向量，计算所述检索向量与所述候选向量之间的欧式距离，作为所述检索向量与所述候选向量之间的第二相似度。

6.根据权利要求1所述的方法，还包括：

将多个样本向量中的每个样本向量划分为M个第一向量段，其中，M为正整数；

将所述M个第一向量段中每个第一向量段聚类为K个类，得到MK个类中心，其中，K为正整数；

根据所述MK个类中心的数值大小，为所述MK个类中心设置序号；以及

根据所述MK个类中心，确定所述多义码码本。

7.根据权利要求6所述的方法，其中，所述利用多义码码本，对检索向量进行编码，得到第一编码结果，包括：

将所述检索向量划分为M个第二向量段；

根据所述多义码码本，确定与所述M个第二向量段中每个第二向量段对应的目标类中心；以及

确定所述目标类中心作为第一编码，得到所述第一编码结果。

8.根据权利要求1-7中任一项所述的方法，还包括：

获取检索对象，其中，所述检索对象包括文本、图片、音频或视频；以及

对所述检索对象进行特征提取，得到所述检索向量；

9.一种数据检索装置，包括：

编码模块，用于利用多义码码本，对检索向量进行编码，得到第一编码结果以及与所述第一编码结果对应的第一序号集合序号；

获取模块，用于获取与多个第二编码结果中每个第二编码结果对应的第二序号集合，其中，所述多个第二向量编码结果是利用所述多义码码本，对多个原始向量进行编码得到的；

第一确定模块，用于根据所述第一序号集合和所述第二序号集合，确定所述多个原始向量中的至少一个候选向量；以及

第二确定模块，用于确定所述至少一个候选向量中与所述检索向量对应的目标向量，作为检索结果。

10.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-8中任一项所述的方法。

11.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-8中任一项所述的方法。

12.一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现权利要求1-8中任一项所述方法的步骤。