JP7471264B2 - 情報処理装置、情報処理方法、及び情報処理プログラム - Google Patents

情報処理装置、情報処理方法、及び情報処理プログラム Download PDF

Info

Publication number
JP7471264B2
JP7471264B2 JP2021118331A JP2021118331A JP7471264B2 JP 7471264 B2 JP7471264 B2 JP 7471264B2 JP 2021118331 A JP2021118331 A JP 2021118331A JP 2021118331 A JP2021118331 A JP 2021118331A JP 7471264 B2 JP7471264 B2 JP 7471264B2
Authority
JP
Japan
Prior art keywords
information
information processing
blob
processing device
objects
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2021118331A
Other languages
English (en)
Other versions
JP2023013868A (ja
Inventor
雅二郎 岩崎
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to JP2021118331A priority Critical patent/JP7471264B2/ja
Publication of JP2023013868A publication Critical patent/JP2023013868A/ja
Application granted granted Critical
Publication of JP7471264B2 publication Critical patent/JP7471264B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Description

本発明は、情報処理装置、情報処理方法、及び情報処理プログラムに関する。
従来、種々の情報を探索（検索）する技術が提供されている。例えば、検索対象に対応するノードがエッジにより連結されたグラフを生成し、生成したグラフを用いて検索を行う技術が提供されている。また、このような技術は、例えば画像検索等に用いられる。
特許第６２９３３３５号公報 特許第６３００９８２号公報 特許第６３１１０００号公報
岩崎雅二郎 "木構造型インデックスを利用した近似k最近傍グラフによる近傍検索", 情報処理学会論文誌, 2011/2, Vol. 52, No. 2. pp.817-828.
しかしながら、上記の従来技術では、検索処理の効率化の点では改善の余地がある。例えば、上記の従来技術では、グラフのエッジ数等を調整したりして、効率的な検索ができるグラフに変更することにより、検索処理の時間削減等の効率化を行っているが、グラフの変更により検索処理の効率化を図るには限界がある。そのため、例えば検索処理の高速化等、効率的な検索処理に利用可能な情報を生成するために、検索対象となるオブジェクトを分類するグループの概念を導入し、オブジェクトを分類するグループを生成することが望まれている。
本願は、上記に鑑みてなされたものであって、オブジェクトを分類するグループを生成する情報処理装置、情報処理方法、及び情報処理プログラムを提供することを目的とする。
本願に係る情報処理装置は、データ検索の対象となる複数のオブジェクトを示すオブジェクト情報を取得する取得部と、前記取得部により取得された前記オブジェクト情報に基づいて、前記複数のオブジェクトを分類する複数の第１グループを示す第１グループ情報と、前記複数の第１グループとは異なる分類となるグループであって、前記複数のオブジェクトのうち、前記複数の第１グループにおいて同じ第１グループに属するオブジェクトを同じグループに分類するグループである複数の第２グループを示す第２グループ情報とを生成する生成部と、を備えたことを特徴とする。
実施形態の一態様によれば、オブジェクトを分類するグループを生成することができるという効果を奏する。
図１は、第１の実施形態に係る情報処理の一例を示す図である。 図２は、第１の実施形態に係るデータの一例を示す図である。 図３は、第１の実施形態に係るデータの一例を示す図である。 図４は、第１の実施形態に係る情報処理システムの構成例を示す図である。 図５は、第１の実施形態に係る情報処理装置の構成例を示す図である。 図６は、第１の実施形態に係るオブジェクト情報記憶部の一例を示す図である。 図７は、第１の実施形態に係るグラフ情報記憶部の一例を示す図である。 図８は、第１の実施形態に係る量子化情報記憶部の一例を示す図である。 図９は、第１の実施形態に係るコードブック情報記憶部の一例を示す図である。 図１０は、第１の実施形態に係る情報処理の一例を示すフローチャートである。 図１１は、第１の実施形態に係る検索処理の一例を示すフローチャートである。 図１２は、第２の実施形態に係る情報処理の一例を示す図である。 図１３は、第２の実施形態に係る情報処理装置の構成例を示す図である。 図１４は、第２の実施形態に係る量子化情報記憶部の一例を示す図である。 図１５は、第２の実施形態に係るブロブ情報記憶部の一例を示す図である。 図１６は、第２の実施形態に係る検索処理の一例を示すフローチャートである。 図１７は、変形例に係る情報処理の一例を示す図である。 図１８は、変形例に係るグラフ情報記憶部の一例を示す図である。 図１９は、変形例に係る検索処理の一例を示すフローチャートである。 図２０は、変形例に係る情報処理の他の一例を示す図である。 図２１は、ブロブ情報の生成処理の一例を示す図である。 図２２は、変形例に係る情報処理の一例を示すフローチャートである。 図２３は、第３の実施形態に係る情報処理の一例を示す図である。 図２４は、第３の実施形態に係る情報処理装置の構成例を示す図である。 図２５は、第３の実施形態に係るブロブ連結グラフ情報記憶部の一例を示す図である。 図２６は、第３の実施形態に係る情報処理の一例を示すフローチャートである。 図２７は、第３の実施形態に係る検索処理の一例を示すフローチャートである。 図２８は、第３の実施形態に係る検索処理の一例を示すフローチャートである。 図２９は、変形例に係るブロブ連結グラフ情報の一例を示す図である。 図３０は、変形例に係るブロブ情報記憶部の一例を示す図である。 図３１は、変形例に係るブロブ連結グラフ情報記憶部の一例を示す図である。 図３２は、第４の実施形態に係る情報処理の一例を示す図である。 図３３は、第４の実施形態に係る情報処理装置の構成例を示す図である。 図３４は、第４の実施形態に係る量子化に関する概念図である。 図３５は、第４の実施形態に係る転置インデックスの一例を示す図である。 図３６は、第４の実施形態に係る転置インデックスの具体例を示す図である。 図３７は、第４の実施形態に係る情報処理の一例を示すフローチャートである。 図３８は、第４の実施形態に係る情報処理の一例を示すフローチャートである。 図３９は、情報処理装置の機能を実現するコンピュータの一例を示すハードウェア構成図である。
以下に、本願に係る情報処理装置、情報処理方法、及び情報処理プログラムを実施するための形態（以下、「実施形態」と呼ぶ）について図面を参照しつつ詳細に説明する。なお、この実施形態により本願に係る情報処理装置、情報処理方法、及び情報処理プログラムが限定されるものではない。また、以下の各実施形態において同一の部位には同一の符号を付し、重複する説明は省略される。
（実施形態）
〔１．第１の実施形態〕
〔１－１．情報処理〕
図１を用いて、第１の実施形態に係る情報処理の一例について説明する。図１は、第１の実施形態に係る情報処理の一例を示す図である。情報処理装置１００は、データ検索の対象となる複数のオブジェクトをグラフ構造化したグラフインデックス（単に「グラフ」ともいう）を用いた検索処理を実行する。図１では、情報処理装置１００がデータ検索の対象であるオブジェクトがベクトル化された各ベクトルに対応するノードがエッジで連結されたグラフを用いて近傍検索を行う場合の検索処理の一部を示す。情報処理装置１００は、グラフの各ノードを検索対象のオブジェクトとして、グラフを辿って与えられた検索クエリ（ベクトル）の近傍のノードを探索する。情報処理装置１００は、検索処理により、抽出する近傍のノードの数として指定された所定数（以下「検索数」ともいう）のノードを、検索クエリの近傍のノードとして抽出する。以下では、画像情報をデータ検索の対象とした場合を一例として説明するが、データ検索の対象は、動画情報や音声情報等の種々の対象であってもよい。
情報処理装置１００は、数百万～数億等の単位の膨大な画像情報に対応するノードを対象に検索処理を行うが、図面においてはその一部（図１ではノードＮ１等の数十個）のみを図示する。例えば、情報処理装置１００は、図１中の空間情報ＳＰ１に示すように、ノードＮ１、Ｎ７、Ｎ９等に示すような複数のノード（ベクトル）に関する情報を取得する。このように「ノードＮ＊（＊は任意の数値）」と記載した場合、そのノードはノードＩＤ「Ｎ＊」により識別されるノードであることを示す。例えば、「ノードＮ１」と記載した場合、そのノードはノードＩＤ「Ｎ１」により識別されるノードである。空間情報ＳＰ１中の白丸（〇）の各々が各ノードを示す。
図１中の空間情報ＳＰ１では、主に説明に関係するノードに符号を付すが、符号が付されていない白丸（〇）の各々もノードであり、図示するノード以外にも多数のノードが含まれる。また、各ノードは、各オブジェクト（検索対象）に対応する。例えば、画像から抽出された複数の局所特徴量のそれぞれがオブジェクトであってもよい。また、例えば、オブジェクト間の距離が定義された種々のデータがオブジェクトであってもよい。
例えば図１中の空間情報ＳＰ１は、ユークリッド空間であってもよい。例えば、空間情報ＳＰ１は、オブジェクトのベクトルの次元数に対応し、１００次元や１０００次元等の多次元空間であるものとする。なお、図１では、空間情報ＳＰ１に示すように直積量子化によりベクトル（空間）が複数の部分領域（部分空間）に４分割された状態を概念的に図示するが、直積量子化の点については後述する。
空間情報ＳＰ１中のノードである白丸（〇）間を接続する点線がノード間を連結するエッジを示す。図１の例では、説明を簡単にするために、ノード間が無向（双方向）エッジ（以下単に「エッジ」ともいう）により連結される場合を示す。なお、ここでいう無向エッジとは、連結されたノード間を双方向にデータを辿ることができるエッジを意味する。例えば、ノードＮ１を示す白丸（〇）とノードＮ４を示す白丸（〇）との間は点線で接続されており、ノードＮ１とノードＮ４との間はエッジで連結されていることを示す。すなわち、空間情報ＳＰ１に示すグラフではノードＮ１とノードＮ４との間を双方向に辿ることが可能となる。具体的には、空間情報ＳＰ１ではノードＮ１からノードＮ４へ辿ることができ、かつノードＮ４からノードＮ１へ辿ることができる。
なお、図１の例では、図示の関係上、図示したノード間を連結するエッジのみを図示するが、図示したエッジ以外にも多数のエッジが含まれる。このように、図１中の空間情報ＳＰ１では、エッジの一部のみを図示するが、例えばｋ近傍グラフ（k-nearest neighbor graph）であるものとする。なお、空間情報ＳＰ１は、種々のグラフであってもよい。
また、グラフのエッジは、無向エッジに限らず、有向エッジであってもよい。有向エッジの場合、有向エッジの参照元となっているノードから参照先のノードへのみ辿ることができる。例えば、２つのノード間が、一方を参照元とし他方を参照先とする第１エッジ、及び一方を参照先とし他方を参照元とする第２エッジの２つの有向エッジで連結されている場合、その２つのノード間が無向（双方向）エッジで連結されて状態と同じ状態である。
ここから、図１を用いて検索処理について説明する。図１の例では、情報処理装置１００は、空間情報ＳＰ１に示すようなグラフＧＲ１を取得済みであるものとする。なお、情報処理装置１００は、種々の従来技術を適宜用いてグラフＧＲ１を生成してもよい。まず、検索処理の説明に先立ってベクトル（空間）の直積量子化について説明する。
図１では、空間情報ＳＰ１に示すように直積量子化によりベクトル（空間）が４つの部分空間ＡＲ１１～ＡＲ１４に分割された状態を概念的に図示する。図１に示す部分空間ＡＲ１１～ＡＲ１４は、各ノード（オブジェクト）のベクトル間の距離等の説明のための概念的な図で示すが、各部分空間ＡＲ１１～ＡＲ１４は多次元空間となる。例えば、図１に示す部分空間ＡＲ１１は、平面上に図示するため２次元の態様にて図示されるが、例えば１００次元や１０００次元等の多次元空間であるものとする。
各部分空間ＡＲ１１～ＡＲ１４の各々は、４分割されるベクトルの各分割（部分ベクトル）に対応する空間を示す。なお、例えば１００次元のベクトルを１００分割しても良い。例えば、部分空間ＡＲ１１は、ベクトルが４分割された４つの部分ベクトル（「サブベクトル」ともいう）のうち、先頭の部分ベクトル（「第１サブベクトル」ともいう）に対応する次元の空間（「第１サブ空間」ともいう）を示す。部分空間ＡＲ１１は、ベクトルの先頭の分割位置に対応する部分空間（第１サブ空間）を示す。検索クエリＱＥ１の場合、部分空間ＡＲ１１は、先頭の部分ベクトル（第１サブベクトル）である第１部分クエリＱＥ１－１に対応する空間である。
また、部分空間ＡＲ１２は、ベクトルが４分割された４つの部分ベクトルのうち、先頭から２番目の部分ベクトル（「第２サブベクトル」ともいう）に対応する次元の空間（「第２サブ空間」ともいう）を示す。部分空間ＡＲ１２は、ベクトルの先頭から２番目の分割位置に対応する部分空間（第２サブ空間）を示す。検索クエリＱＥ１の場合、部分空間ＡＲ１２は、先頭から２番目の部分ベクトル（第２サブベクトル）である第２部分クエリＱＥ１－２に対応する空間である。
また、部分空間ＡＲ１３は、ベクトルが４分割された４つの部分ベクトルのうち、先頭から３番目の部分ベクトル（「第３サブベクトル」ともいう）に対応する次元の空間（「第３サブ空間」ともいう）を示す。部分空間ＡＲ１３は、ベクトルの先頭から３番目の分割位置に対応する部分空間（第３サブ空間）を示す。検索クエリＱＥ１の場合、部分空間ＡＲ１３は、先頭から３番目の部分ベクトル（第３サブベクトル）である第３部分クエリＱＥ１－３に対応する空間である。
また、部分空間ＡＲ１４は、ベクトルが４分割された４つの部分ベクトルのうち、先頭から４番目（すなわち最後尾）の部分ベクトル（「第４サブベクトル」ともいう）に対応する次元の空間（「第４サブ空間」ともいう）を示す。部分空間ＡＲ１４は、ベクトルの先頭から４番目の分割位置に対応する部分空間（第４サブ空間）を示す。検索クエリＱＥ１の場合、部分空間ＡＲ１４は、先頭から４番目の部分ベクトル（第４サブベクトル）である第４部分クエリＱＥ１－４に対応する空間である。
なお、図１の例では、部分空間ＡＲ１１～ＡＲ１４を類似の形状で示すが、各部分空間ＡＲ１１～ＡＲ１４の形状は異なってもよいし、また各部分空間ＡＲ１１～ＡＲ１４における領域の分割態様も異なってもよい。また、ノード間のエッジによる接続関係は部分空間ＡＲ１１～ＡＲ１４で共通であるものとする。すなわち、グラフＧＲ１は、空間情報ＳＰ１に対応するグラフであり、部分空間ＡＲ１１～ＡＲ１４で共通である。
また、図１の例では、分割された部分ベクトル（サブベクトル）ごとにルックアップテーブルが生成される。例えば、第１サブベクトル、第２サブベクトル、第３サブベクトル、及び第４サブベクトルの４つのサブベクトルごとにクラスタリングされ、個別にルックアップテーブル（コードブック情報）が生成される。
図１では、第１サブベクトルについては、部分空間ＡＲ１１に示すように、コードブックＣＤ１１～ＣＤ１９に対応する９個のグループにクラスタリングされ、コードブックＣＤ１１～ＣＤ１９の各々に対応するベクトルが代表ベクトル（セントロイド）として算出される。例えば、ノードＮ７、Ｎ９等の第１サブベクトルはコードブックＣＤ１１に対応するグループにクラスタリングされることを示す。この場合、ノードＮ７、Ｎ９等の第１サブベクトルは距離の計算（算出）において、第１サブベクトルに対応するコードブック情報（「第１コードブック情報」ともいう）を用いて、コードブックＣＤ１１のベクトルにベクトル量子化される。
また、第２サブベクトルについては、コードブックＣＤ２１～ＣＤ２４等（図２、図９参照）に対応する複数のグループにクラスタリングされ、コードブックＣＤ２１～ＣＤ２４等の各々に対応するベクトルが代表ベクトル（セントロイド）として算出される。この場合、各ノードの第２サブベクトルは距離の計算（算出）において、第２サブベクトルに対応するコードブック情報（「第２コードブック情報」ともいう）を用いて、対応するコードブックのベクトルにベクトル量子化される。
第３サブベクトルについては、コードブックＣＤ３１～ＣＤ３４等（図２、図９参照）に対応する複数のグループにクラスタリングされ、コードブックＣＤ３１～ＣＤ３４等の各々に対応するベクトルが代表ベクトル（セントロイド）として算出される。この場合、各ノードの第３サブベクトルは距離の計算（算出）において、第３サブベクトルに対応するコードブック情報（「第３コードブック情報」ともいう）を用いて、対応するコードブックのベクトルにベクトル量子化される。
第４サブベクトルについては、コードブックＣＤ４１～ＣＤ４４等（図２、図９参照）に対応する複数のグループにクラスタリングされ、コードブックＣＤ２４～ＣＤ４４等の各々に対応するベクトルが代表ベクトル（セントロイド）として算出される。この場合、各ノードの第４サブベクトルは距離の計算（算出）において、第４サブベクトルに対応するコードブック情報（「第４コードブック情報」ともいう）を用いて、対応するコードブックのベクトルにベクトル量子化される。
なお、代表ベクトルを求める処理等、コードブック情報の生成は、種々の技術を適宜用いて生成される。コードブック情報の生成については従来技術であるため詳細な説明を省略する。また、ルックアップテーブルについては上記に限らず、例えば、分割された部分ベクトル（サブベクトル）全体で１つのルックアップテーブル（コードブック情報）を用いてもよいが、この点については後述する。
ここから、検索クエリＱＥ１を対象とする検索処理を説明する。まず、情報処理装置１００は、検索クエリＱＥ１を取得する（ステップＳ１１）。例えば、情報処理装置１００は、ユーザが利用する端末装置１０（図４参照）から検索クエリＱＥ１を取得する。
そして、情報処理装置１００は、検索クエリＱＥ１であるベクトルを４分割する。すなわち、情報処理装置１００は、検索クエリＱＥ１を４つの部分クエリに分割する。図１では、情報処理装置１００は、検索クエリＱＥ１を、第１サブベクトルである第１部分クエリＱＥ１－１、第２サブベクトルである第２部分クエリＱＥ１－２、第３サブベクトルである第３部分クエリＱＥ１－３、及び第４サブベクトルである第４部分クエリＱＥ１－４との４つのサブベクトルに分割する。具体的には、情報処理装置１００は、「４５，２３，２…」を第１部分クエリＱＥ１－１とし、「１２７，３４，５…」を第２部分クエリＱＥ１－２とし、「２０，９８，１１０…」を第３部分クエリＱＥ１－３とし、「１２，４５，４…」を第４部分クエリＱＥ１－４とする。
そして、情報処理装置１００は、検索クエリＱＥ１の各サブベクトルと、そのサブベクトルに対応するコードブックのベクトルとの間の距離を算出する。情報処理装置１００は、図２のコードブック情報ＴＢ１～ＴＢ４に示すように、検索クエリＱＥ１の各サブベクトルと各コードブックのベクトルとの間の距離（差分）を算出する。図２は、第１の実施形態に係るデータの一例を示す図である。
コードブック情報ＴＢ１は、第１サブベクトルに対応する第１コードブック情報を示し、情報処理装置１００は、第１サブベクトルに対応するコードブックＣＤ１１～ＣＤ１９の各々のベクトルと、第１部分クエリＱＥ１－１との間の距離を算出する。図２では、情報処理装置１００は、コードブック情報ＴＢ１に示すように、コードブックＣＤ１１と第１部分クエリＱＥ１－１との間の距離を距離ＤＳ１１と算出する。同様に、情報処理装置１００は、コードブックＣＤ１２～ＣＤ１４等の各々と第１部分クエリＱＥ１－１との間の距離を距離ＤＳ１２～ＤＳ１４等と算出する。
同様に、コードブック情報ＴＢ２～ＴＢ４の各々は、第２～第４サブベクトルの各々に対応する第２～第４コードブック情報を示す。情報処理装置１００は、コードブック情報ＴＢ２に示すように、コードブックＣＤ２１～ＣＤ２４等の各々と第２部分クエリＱＥ１－２との間の距離を距離ＤＳ２１～ＤＳ２４等と算出する。情報処理装置１００は、コードブック情報ＴＢ３に示すように、コードブックＣＤ３１～ＣＤ３４等の各々と第３部分クエリＱＥ１－３との間の距離を距離ＤＳ３１～ＤＳ３４等と算出する。情報処理装置１００は、コードブック情報ＴＢ４に示すように、コードブックＣＤ４１～ＣＤ４４等の各々と第４部分クエリＱＥ１－４との間の距離を距離ＤＳ４１～ＤＳ４４等と算出する。
なお、図２では説明のため抽象的に示すが、距離ＤＳ１１～ＤＳ４４等は具体的な値であるものとする。距離は浮動小数点で表される値であるが、後述のＳＩＭＤ（Single Instruction, Multiple Data）による高速化のためにscale-offset-compression（「https://www.unidata.ucar.edu/blogs/developer/entry/compression_by_scaling_and_offfset」等参照）により１バイト整数型に圧縮してもよい。情報処理装置１００は、各コードブックとクエリとの間の距離算出を、検索クエリＱＥ１を取得したタイミングで行ってもよいし、その情報が必要になったタイミングで行ってもよい。情報処理装置１００は、検索処理において、コードブック情報ＴＢ１～ＴＢ４をルックアップテーブルとして用いて、各ノードと検索クエリＱＥ１との間の距離、すなわち近似距離（「第１距離」ともいう）を算出する。このように、情報処理装置１００は、検索処理において、グラフを探索する際には、各ノードと検索クエリとの間の真の距離（「第２距離」ともいう）ではなく、近似距離（第１距離）を計算し処理を行うことにより、効率的な検索処理を可能にすることができる。
情報処理装置１００は、検索クエリＱＥ１を対象とする検索処理を実行する（ステップＳ１２）。情報処理装置１００は、検索クエリＱＥ１を対象として、グラフＧＲ１を用いた図１１に示すような検索処理を行うことにより、検索クエリＱＥ１の検索結果を得る。図１１に示す検索処理についての詳細は後述する。情報処理装置１００は、検索クエリＱＥ１を対象として検索処理を行うことにより、検索数のノードを検索クエリＱＥ１の近傍のノードとして抽出する。
情報処理装置１００は、検索クエリＱＥ１を対象とする検索処理において、各ノードのうち、所定のノードをグラフＧＲ１の検索の開始点（起点）となるノード（以下「起点ノード」ともいう）として選択する。例えば、情報処理装置１００は、起点ノードを、木構造のインデックス等の所定のインデックスを用いて選択する。図１の例では、情報処理装置１００は、起点ノードとして、ノードＮ７を選択するものとする。なお、図１では説明を簡単にするために、所定のインデックスを用いてノードＮ７のみを起点ノードとして選択する場合を示すが、情報処理装置１００は、複数のノードを起点ノードとして選択してもよいし、ランダム等の様々な方法により起点ノードを選択してもよい。
ここで、情報処理装置１００は、検索クエリＱＥ１を対象とする検索処理において、一のノードからのエッジが連結されたノード（以下「接続ノード」ともいう）と検索クエリとの距離を並列化して算出する（ステップＳ１３）。図１では、情報処理装置１００は、一括処理情報ＬＴ１に示すように、ノードＮ７からのエッジが連結されたノード（接続ノード）であるノードＮ９、Ｎ１２、Ｎ５４、Ｎ８５等については、検索クエリＱＥ１との距離を並列化して算出する。
例えば、ノードＮ９は、ノード情報ＩＮＦ１に示すように、第１サブベクトルがコードブックＣＤ１２、第２サブベクトルがコードブックＣＤ２３、第３サブベクトルがコードブックＣＤ３５、及び第４サブベクトルがコードブックＣＤ４７に対応付けられていることを示す。なお、変数CDのサイズはコードブックのサイズにより決定されるので、例えばコードブックサイズが16であれば、変数CDは4ビットで良いことになり、大幅なデータの圧縮が可能である。そのため、情報処理装置１００は、コードブックＣＤ１２の距離ＤＳ１２、コードブックＣＤ２３の距離ＤＳ２３、コードブックＣＤ３５の距離ＤＳ３５、及びコードブックＣＤ４７の距離ＤＳ４７を用いて、ノードＮ９と、検索クエリＱＥ１との距離を算出する。例えば、情報処理装置１００は、コードブックＣＤ１２の距離ＤＳ１２、コードブックＣＤ２３の距離ＤＳ２３、コードブックＣＤ３５の距離ＤＳ３５、及びコードブックＣＤ４７の距離ＤＳ４７の合計を、ノードＮ９と検索クエリＱＥ１との距離として算出する。
例えば、ノードＮ１２は、ノード情報ＩＮＦ２に示すように、第１サブベクトルがコードブックＣＤ１４、第２サブベクトルがコードブックＣＤ２９、第３サブベクトルがコードブックＣＤ３１、及び第４サブベクトルがコードブックＣＤ４５に対応付けられていることを示す。例えば、情報処理装置１００は、コードブックＣＤ１４の距離ＤＳ１４、コードブックＣＤ２９の距離ＤＳ２９、コードブックＣＤ３１の距離ＤＳ３１、及びコードブックＣＤ４５の距離ＤＳ４５の合計を、ノードＮ１２と検索クエリＱＥ１との距離として算出する。同様に、情報処理装置１００は、ノードＮ５４のノード情報ＩＮＦ３を用いて、ノードＮ５４と検索クエリＱＥ１との距離を算出し、ノードＮ８５のノード情報ＩＮＦ４を用いて、ノードＮ８５と検索クエリＱＥ１との距離を算出する。
例えば、情報処理装置１００は、ＳＩＭＤの演算に関する並列化により、ノードＮ９、Ｎ１２、Ｎ５４、Ｎ８５の各々と検索クエリＱＥ１との距離を一括して算出する。これにより、情報処理装置１００は、距離計算を並列化することにより、距離計算を高速化することでき、効率的な検索処理を可能にすることができる。
なお、図１では説明を簡単にするために、４つのノードを対象として距離を並列化して算出する場合を示すが、並列化される数は、情報処理装置１００の仕様に基づいて決定される。例えば、情報処理装置１００がＳＩＭＤにより一括して処理できる数（「一括処理可能単位」ともいう）が「４」である場合、図１と同様の処理となるが、ＳＩＭＤにより一括して処理できる数（一括処理可能単位）が「１６」である場合、情報処理装置１００は、１６個のノードを対象として距離を並列化して算出する。また、一括処理可能単位が「３２」である場合、情報処理装置１００は、３２個のノードを対象として距離を並列化して算出する。このように、情報処理装置１００は、ＳＩＭＤにより一括して処理できる数（一括処理可能単位）に対応する数のノードの距離計算を一括して行うことにより、効率的な検索処理を可能にすることができる。
情報処理装置１００は、上記のように複数のノードの距離計算を並列化して行いながら、検索クエリＱＥ１を対象として、グラフＧＲ１を用いた図１１に示すような検索処理を行うことにより、検索数のノードを検索クエリＱＥ１の近傍のノードとして抽出する。
上述のように、情報処理装置１００は、ベクトル量子化された各ノードのベクトルと検索クエリとの間の近似距離（第１距離）を算出して、第１距離を用いて検索処理を行う事により、効率的な検索処理を可能にすることができる。また、情報処理装置１００は、並列化可能な数のノードの距離計算を一括して行うことにより、効率的な検索処理を可能にすることができる。上記のように、情報処理装置１００は、グラフのノードの複数の接続ノードとの近似距離を一括して計算することにより、限定されたメモリ領域（ルックアップテーブル）を繰り返し利用する（メモリキャッシュにのる）ので高速化が可能である。
また、図１の例では、情報処理装置１００は、直積量子化により分割したベクトルを用いて検索処理を行うことにより、ベクトルを分割せずに検索処理を行う場合に比べて、より効率的な検索処理を可能にすることができる。例えば、情報処理装置１００は、直積量子化により短いベクトル間の距離を算出することとなり、距離計算の対象となるベクトルのサイズを小さくできる。また、情報処理装置１００は、距離計算時に利用するルックアップテーブルによりアクセスするメモリ空間を、分割されたサブベクトルのルックアップテーブルに限定することができる。情報処理装置１００は、直積量子化により検索精度の低下を抑制しつつ、ベクトルサイズを削減することができる。なお、図１では、直積量子化が行われた場合の処理を説明したが、直積量子化が行われた場合は一例に過ぎず、情報処理装置１００は、直積量子化を行われてないベクトルを用いて検索処理を行ってもよい。
〔１－１－１．その他〕
上述した処理は一例に過ぎず、情報処理装置１００は、効率的な検索処理の為に様々な情報や手法を用いて、検索処理を行ってもよい。この点について、各事項について詳述する。
（エッジ（接続ノード）の格納態様）
各ノードに連結されるエッジ（接続ノード）の情報について、ノードでのエッジ（接続ノード）の格納態様（格納方法）には、例えば以下の第１格納態様及び第２格納態様の２種類が考えられるため、格納態様については、利用形態によって選択されてもよい。
例えば、第１格納態様としては、各ノードには接続ノード（オブジェクト）のＩＤを対応付けて格納し、別のテーブルに直積量子化されたオブジェクトの情報を格納してもよい。例えば、図７及び図８に示すデータの格納態様が第１格納態様に対応する。第１格納態様の場合、メモリ使用量を削減できる。
また、例えば、第２格納態様としては、各ノードに直に量子化されたオブジェクトを持つ。第２格納態様の場合、あるノードの接続ノード（オブジェクト）が量子化された情報を各ノードに対応付けて記憶する。例えば、ノードＮ７の接続ノードであるノードＮ９、Ｎ１２、Ｎ５４、Ｎ８５の各々の量子化された情報（図２中のノード情報ＩＮＦ１～ＩＮＦ４）がノードＮ７に対応付けて記憶されるデータの格納態様が第２格納態様に対応する。第２格納態様の場合、検索時にシーケンシャルにオブジェクトをアクセスするため速度低下が発生を抑制することができる。
（ルックアップテーブル）
上述した例では、分割したサブベクトルごとに個別にクラスタリングし、個々にルックアップテーブル（コードブック情報）を生成する場合を示したが、この場合に限らず、ルックアップテーブルについては任意の態様であってもよい。
例えば、全てのサブベクトルに対してクラスタリングし、一つのルックアップテーブルが生成されてもよい。上述した例では、例えば、第１サブベクトル、第２サブベクトル、第３サブベクトル、及び第４サブベクトルの４つのサブベクトル全体を対象にクラスタリングし、一つのルックアップテーブルが生成されてもよい。
また、個々のサブベクトルを部分的にマージして複数のクラスごとに、ルックアップテーブルが生成されてもよい。例えば、分散が類似しているサブベクトルをマージして複数のクラスを形成し、複数のクラスごとに、ルックアップテーブルが生成されてもよい。上述した例では、例えば、第１サブベクトル及び第３サブベクトルの２つのサブベクトの分散が類似し、第２サブベクトル及び第４サブベクトルの２つのサブベクトの分散が類似している場合、第１サブベクトル及び第３サブベクトルをマージして第１クラスとし、第２サブベクトル及び第４サブベクトルをマージして第２クラスとしてもよい。この場合、第１クラスのルックアップテーブル（コードブック情報）と、第２クラスのルックアップテーブル（コードブック情報）との２つのルックアップテーブルが生成されてもよい。
（転置）
上述したデータの保持は一例に過ぎず、情報処理装置１００は、効率的なデータ参照等が可能となるように、種々の態様によりデータを保持してもよい。例えば、情報処理装置１００は、転置したデータを保持してもよい。この点について、図３を用いて説明する。図３は、第１の実施形態に係るデータの一例を示す図である。
例えば、ノード情報ＩＮＦ１～ＩＮＦ４に示すようにデータを保持し、ノード情報ＩＮＦ１～ＩＮＦ４を順次処理した場合、図２のステップＳ１４に示すように、ルックアップテーブルであるコードブック情報ＴＢ１～ＴＢ４を繰り返し参照することとなる。
そこで、ステップＳ１５に示すように、ノード情報ＩＮＦ１～ＩＮＦ４を転置した転置データＴＲ１～ＴＲ４が生成される。例えば、情報処理装置１００は、ノード情報ＩＮＦ１～ＩＮＦ４を転置した転置データＴＲ１～ＴＲ４を生成する。
図３では、ノード情報ＩＮＦ１～ＩＮＦ４のうち、ノードＮ９、Ｎ１２、Ｎ５４、Ｎ８５の第１サブベクトルに対応するコードブックの一覧である第１データＴＲ１が生成される。具体的には、ノードＮ９の第１サブベクトルに対応するコードブックＣＤ１２、ノードＮ１２の第１サブベクトルに対応するコードブックＣＤ１４、ノードＮ５４の第１サブベクトルに対応するコードブックＣＤ１３、及びノードＮ８５の第１サブベクトルに対応するコードブックＣＤ１８の一覧である第１データＴＲ１が生成される。
同様に、ノード情報ＩＮＦ１～ＩＮＦ４のうち、ノードＮ９、Ｎ１２、Ｎ５４、Ｎ８５の第２サブベクトルに対応するコードブックの一覧である第２データＴＲ２が生成される。また、ノード情報ＩＮＦ１～ＩＮＦ４のうち、ノードＮ９、Ｎ１２、Ｎ５４、Ｎ８５の第３サブベクトルに対応するコードブックの一覧である第３データＴＲ３が生成される。ノード情報ＩＮＦ１～ＩＮＦ４のうち、ノードＮ９、Ｎ１２、Ｎ５４、Ｎ８５の第４サブベクトルに対応するコードブックの一覧である第４データＴＲ４が生成される。
なお、各転置データＴＲ１～ＴＲ４の一覧のうち、何番目のデータがどのノードに対応するかの対応付けを示す対応付情報が生成される。図３の例では、各転置データＴＲ１～ＴＲ４の一覧のうち、１番目（最初）のデータがノードＮ９に対応し、２番目のデータがノードＮ１２に対応し、３番目のデータがノードＮ５４に対応し、４番目（最後）のデータがノードＮ８５に対応することを示す対応付情報が生成される。情報処理装置１００は、対応付情報を参照することにより、各転置データＴＲ１～ＴＲ４の一覧の各データが、どのノードに対応するかを特定することができる。例えば、情報処理装置１００は、対応付情報を生成する。
情報処理装置１００は、ノード情報ＩＮＦ１～ＩＮＦ４を転置した転置データＴＲ１～ＴＲ４を用いて処理を行う。例えば、情報処理装置１００は、転置データＴＲ１を用いてルックアップテーブルを参照する場合、コードブック情報ＴＢ１のみを参照することとなり、１つのコードブック情報ＴＢ１のみを参照することとなる。同様に、情報処理装置１００は、転置データＴＲ２を用いてルックアップテーブルを参照する場合、コードブック情報ＴＢ２のみを参照することとなり、１つのコードブック情報ＴＢ２のみを参照することとなる。転置データＴＲ３、ＴＲ４についても同様に１つのコードブック情報のみを参照することとなる。これにより、情報処理装置１００は、効率的にデータを参照することができるため、効率的な検索処理を可能にすることができる。
このように、一括距離計算時にサブクラス（サブベクトル等）ごとのルックアップテーブルの参照するように、ノードの近傍オブジェクト（接続ノード）のデータを転置し、サブクラスごとにまとめ上げた順番でデータをノードにもつことで、参照の局所性がさらに高まり、高速化が可能となる。
なお、図３では説明を簡単にするために、４つのノードを対象として転置データを生成する場合を示すが、転置データを生成する単位（ノードの数）は、情報処理装置１００の仕様に基づいて決定される。例えば、情報処理装置１００の一括処理可能単位が「４」である場合、図３と同様の処理となるが、一括処理可能単位が「１６」である場合、１６個のノードを一つの単位として転置データが生成される。また、一括処理可能単位が「３２」である場合、３２個のノードを一つの単位として転置データが生成される。このように、情報処理装置１００がＳＩＭＤにより一括して処理できる数（一括処理可能単位）に応じて生成される転置データを用いることで、情報処理装置１００は、効率的にデータを参照することができるため、効率的な検索処理を可能にすることができる。
例えば、上述のような検索処理時の時間の多くは距離計算であるが、距離計算は上記のようなＳＩＭＤによる並列計算により高速化を図ることができる。このように距離計算を並列化した場合、オブジェクトデータをフェッチする時間が検索処理を占めることになる。このフェッチ時間を削減することができれば、さらなる高速化が実現される。なお、データをフェッチする時間を削減するにはプリフェッチを行う方法があるが、限界がある。
一方、情報処理装置１００は、上述のように参照の局所性を高め、効率的にデータを参照することを可能にすることにより、データのフェッチを抑制し、さらなる高速化を実現することができる。
（検索結果）
なお、上述した第２距離（真の距離）による検索結果を返す場合には、以下の第１の方法及び第２の方法の２つの方法が考えられる。
例えば、第１の方法としては、検索数を指定された検索数より多く探索し、探索終了時に、真の距離計算を行って距離でソートし、指定された検索数のオブジェクトを検索結果としてもよい。この場合、情報処理装置１００は、指定された検索数（「第１数」ともいう）よりも多い数（「拡張検索数」ともいう）のノードを抽出するように、拡張検索数（「第２数」ともいう）を検索数として設定し、図１１に示すような検索処理を行うことにより、拡張検索数のノード、すなわち指定された検索数よりも多い数のノードを近傍候補ノードとして抽出する。そして、情報処理装置１００は、近傍候補ノードを対象として、第２距離（真の距離）を算出し、近傍候補ノードのうち、第２距離が短い方から第１数のノードを検索クエリの近傍のノードとして抽出する。
また、例えば、第２の方法としては、探索中に、第１距離（近似距離）に基づいて、ノード（オブジェクト）が探索範囲内または検索範囲内に入った場合のみに、第２距離（真の距離）を計算し、近似距離を真の距離で置き換えることで、真の距離による検索結果を返してもよい。
ここでいう、検索範囲は、図１１中の「ｒ」により規定される範囲であり、探索範囲は、図１１中の検索範囲係数「ε」を用いた「ｒ（１＋ε）」により規定される範囲である。例えば、検索範囲に入った場合に第２距離（真の距離）を計算する場合、情報処理装置１００は、ノードの第１距離（近似距離）が「ｒ」以下となった場合に、そのノードの第２距離（真の距離）を算出する。また、探索範囲に入った場合に第２距離（真の距離）を計算する場合、情報処理装置１００は、ノードの第１距離（近似距離）が「ｒ（１＋ε）」以下となった場合に、そのノードの第２距離（真の距離）を算出する。
例えば、精度を高める場合、探索範囲に入った場合を条件としてもよい。また、処理の高速化を求める場合、検索範囲に入った場合を条件としてもよい。なお、上記は一例に過ぎず、いずれを条件とするかは、検索範囲係数「ε」の値や処理の目的などに応じて適宜設定されてもよい。
（ベクトル量子化）
なお、情報処理装置１００は、特許文献３に示すように、２段階のベクトル量子化を行ってもよい。そして、情報処理装置１００は、下記の式（１）により、検索クエリと各ノードとの距離を算出してもよい。
Figure 0007471264000001
ここで、上記式（１）中の左辺の値は、例えば、検索クエリとノードとの間の二乗距離を示す。また、例えば、上記式（１）中の「ｘ」は、クエリに対応する。また、例えば、上記式（１）中の「ｙ」は、ノードに対応する。また、例えば、上記式（１）の右辺中の「ｑｃ（ｙ）」は、「ｙ」の代表ベクトル（セントロイド）を示す。例えば、情報処理装置１００は、上記式（１）中の「ｙ」について、ノードのベクトルデータを有しない場合は、各ノードが属する部分領域のセントロイドの数値を用いてもよい。また、例えば、「ｙ－ｑｃ（ｙ）」は、残差ベクトルを示す。また、例えば、上記式（１）の右辺中の「ｑｐ」は、所定の量子化器（関数）を示す。
また、例えば、上記式（１）の右辺中の「ｊ」は、分割された空間の数であってもよい。例えば、図１の例では、上記式（１）の右辺中の「ｊ」は、分割された空間の数「４」であってもよい。また、例えば、上記式（１）の右辺中の「ｕｊ（）」は、括弧中のベクトル間の部分残差ベクトルを示す。例えば、情報処理装置１００は、上記式（１）を用いて、各部分空間におけるクエリとノードとの間の二乗距離を算出し、合算することにより、クエリとノードとの距離を算出してもよい。
〔１－２．情報処理システムの構成〕
図４に示すように、情報処理システム１は、端末装置１０と、情報提供装置５０と、情報処理装置１００とが含まれる。端末装置１０と、情報提供装置５０と、情報処理装置１００とは所定のネットワークＮを介して、有線または無線により通信可能に接続される。図４は、第１の実施形態に係る情報処理システムの構成例を示す図である。なお、図４に示した情報処理システム１には、複数台の端末装置１０や、複数台の情報提供装置５０や、複数台の情報処理装置１００が含まれてもよい。
端末装置１０は、ユーザによって利用される情報処理装置である。端末装置１０は、ユーザによる種々の操作を受け付ける。なお、以下では、端末装置１０をユーザと表記する場合がある。すなわち、以下では、ユーザを端末装置１０と読み替えることもできる。なお、上述した端末装置１０は、例えば、スマートフォンや、タブレット型端末や、ノート型ＰＣ（Personal Computer）や、デスクトップＰＣや、携帯電話機や、ＰＤＡ（Personal Digital Assistant）等により実現される。
情報提供装置５０は、ユーザ等に種々の情報提供を行うための情報が格納された情報処理装置である。例えば、情報提供装置５０は、ウェブサーバ等の種々の外部装置から収集した文字情報等に基づくオブジェクトＩＤが格納される。例えば、情報提供装置５０は、ユーザ等に画像検索サービスを提供する情報処理装置である。例えば、情報提供装置５０は、画像検索サービスを提供するための各情報が格納される。例えば、情報提供装置５０は、画像検索サービスの対象となる画像に対応するベクトル情報を情報処理装置１００に提供する。また、情報提供装置５０は、クエリを情報処理装置１００に送信することにより、情報処理装置１００からクエリに対応する画像を示すオブジェクトＩＤ等を受信する。
情報処理装置１００は、検索サービスを提供するコンピュータである。情報処理装置１００は、検索クエリに対応する指定された検索数のオブジェクトを検索結果として提供する。情報処理装置１００は、検索対象となるノード（オブジェクト）がエッジで連結されたグラフを用いて、検索クエリの近傍のノード（オブジェクト）を検索結果として提供する。情報処理装置１００は、複数のオブジェクトの各々に対応するノード群がエッジにより連結されたグラフを用いて、検索クエリの近傍のノードを検索する検索処理において、所定の基準により選択された複数のノードと検索クエリとの距離を、ベクトル量子化がされた複数のノードのベクトル情報を用いて算出する。
例えば、情報処理装置１００は、端末装置１０からクエリ（検索クエリ）を受信すると、検索クエリに類似する対象（オブジェクト）を検索し、検索結果を端末装置に提供する。また、例えば、情報処理装置１００が端末装置に提供するデータは、画像情報等のデータ自体であってもよいし、ＵＲＬ（Uniform Resource Locator）等の対応するデータを参照するための情報であってもよい。また、検索クエリや検索対象（オブジェクト）は、画像、音声、テキストデータなど、如何なる種類のデータであってもよい。
〔１－３．情報処理装置の構成〕
次に、図５を用いて、第１の実施形態に係る情報処理装置１００の構成について説明する。図５は、第１の実施形態に係る情報処理装置１００の構成例を示す図である。図５に示すように、情報処理装置１００は、通信部１１０と、記憶部１２０と、制御部１３０とを有する。なお、情報処理装置１００は、情報処理装置１００の管理者等から各種操作を受け付ける入力部（例えば、キーボードやマウス等）や、各種情報を表示するための表示部（例えば、液晶ディスプレイ等）を有してもよい。
（通信部１１０）
通信部１１０は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。そして、通信部１１０は、ネットワーク（例えば図４中のネットワークＮ）と有線または無線で接続され、端末装置１０や情報提供装置５０との間で情報の送受信を行う。
（記憶部１２０）
記憶部１２０は、例えば、ＲＡＭ（Random Access Memory）、フラッシュメモリ（Flash Memory）等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。第１の実施形態に係る記憶部１２０は、図５に示すように、オブジェクト情報記憶部１２１と、グラフ情報記憶部１２２と、量子化情報記憶部１２３と、コードブック情報記憶部１２４とを有する。
（オブジェクト情報記憶部１２１）
第１の実施形態に係るオブジェクト情報記憶部１２１は、オブジェクトに関する各種情報を記憶する。例えば、オブジェクト情報記憶部１２１は、オブジェクトＩＤやベクトルデータを記憶する。図６は、第１の実施形態に係るオブジェクト情報記憶部の一例を示す図である。図６に示すオブジェクト情報記憶部１２１は、「オブジェクトＩＤ」、「ベクトル情報」といった項目が含まれる。
「オブジェクトＩＤ」は、オブジェクトを識別するための識別情報を示す。また、「ベクトル情報」は、オブジェクトＩＤにより識別されるオブジェクトに対応するベクトル情報を示す。すなわち、図６の例では、オブジェクトを識別するオブジェクトＩＤに対して、オブジェクトに対応するベクトルデータ（ベクトル情報）が対応付けられて登録されている。
例えば、図６の例では、オブジェクトＩＤ「ＯＢ１」により識別されるオブジェクト（対象）は、「１０，２４，５１，２・・・」の多次元のベクトル情報が対応付けられることを示す。
なお、オブジェクト情報記憶部１２１は、上記に限らず、目的に応じて種々の情報を記憶してもよい。
（グラフ情報記憶部１２２）
第１の実施形態に係るグラフ情報記憶部１２２は、グラフに関する各種情報を記憶する。例えば、グラフ情報記憶部１２２は、生成したグラフを記憶する。図７は、第１の実施形態に係るグラフ情報記憶部の一例を示す図である。図７に示すグラフ情報記憶部１２２は、「ノードＩＤ」、「オブジェクトＩＤ」、および「接続ノード情報」といった項目を有する。
「ノードＩＤ」は、グラフにおける各ノード（対象）を識別するための識別情報を示す。また、「オブジェクトＩＤ」は、オブジェクトを識別するための識別情報を示す。なお、ノードＩＤとオブジェクトＩＤが共通である場合、「ノードＩＤ」にオブジェクトＩＤが記憶され、グラフ情報記憶部１２２に「オブジェクトＩＤ」の項目は含まれてなくてもよい。例えば、オブジェクトＩＤとノードＩＤとして用いる場合、「ノードＩＤ」にオブジェクトＩＤが記憶され、グラフ情報記憶部１２２に「オブジェクトＩＤ」の項目は含まれてなくてもよい。
また、「接続ノード情報」は、対応するノードから辿ることができるノード（参照先のノード）に関する情報を示す。例えば、「接続ノード情報」には、「参照先」といった情報が含まれる。「参照先」は、エッジにより連結され、そのノードから辿ることができる参照先（ノード）を識別するための情報を示す。すなわち、図７の例では、ノードを識別するノードＩＤ（オブジェクトＩＤ）に対して、そのノードからエッジにより辿ることができる参照先（ノード）が対応付けられて登録されている。なお、「接続ノード情報」には、参照先に接続されるエッジを識別するための情報（エッジＩＤ）等が含まれてもよい。
図７の例では、ノードＩＤ「Ｎ１」により識別されるノード（ノードＮ１）は、オブジェクトＩＤ「ＯＢ１」により識別されるオブジェクト（対象）に対応することを示す。また、ノードＮ１からは、ノードＩＤ「Ｎ４」により識別されるノード（ノードＮ４）にエッジが連結されており、ノードＮ１からノードＮ４へ辿ることができることを示す。
また、ノードＩＤ「Ｎ２」により識別されるノード（ノードＮ２）は、オブジェクトＩＤ「ＯＢ２」により識別されるオブジェクト（対象）に対応することを示す。また、ノードＮ２からは、ノードＩＤ「Ｎ６」により識別されるノード（ノードＮ６）にエッジが連結されており、ノードＮ２からノードＮ６へ辿ることができることを示す。
また、ノードＩＤ「Ｎ７」により識別されるノード（ノードＮ７）は、オブジェクトＩＤ「ＯＢ７」により識別されるオブジェクト（対象）に対応することを示す。また、ノードＮ７からは、ノードＮ９、Ｎ１２、Ｎ５４、Ｎ８５にエッジが連結されており、ノードＮ２からノードＮ９、Ｎ１２、Ｎ５４、Ｎ８５の各々へ辿ることができることを示す。
なお、グラフ情報記憶部１２２は、上記に限らず、目的に応じて種々の情報を記憶してもよい。例えば、グラフ情報記憶部１２２は、各ノード（ベクトル）間を連結するエッジの長さが記憶されてもよい。すなわち、グラフ情報記憶部１２２は、各ノード（ベクトル）間の距離を示す情報が記憶されてもよい。なお、グラフ情報記憶部１２２は、上記に限らず、種々のデータ構造によりグラフ情報を記憶してもよい。
また、グラフは、クエリを入力とし、グラフ中のエッジを辿ることによりノードを探索し、クエリに類似するノードを抽出し出力するプログラムモジュールを含んでもよい。すなわち、グラフは、グラフを用いて検索処理を行うプログラムモジュールとしての利用が想定されるものであってもよい。例えば、グラフＧＲ１は、クエリとしてベクトルデータが入力された場合に、そのベクトルデータに類似するベクトルデータに対応するノードをグラフ中から抽出し、出力するプログラムであってもよい。例えば、グラフＧＲ１は、クエリ画像に対応する類似画像を検索するプログラムモジュールとして利用されるデータであってもよい。例えば、グラフＧＲ１は、入力されたクエリに基づいて、グラフにおいてそのクエリに類似するノードを抽出し、出力するよう、コンピュータを機能させる。
（量子化情報記憶部１２３）
第１の実施形態に係る量子化情報記憶部１２３は、割当処理に関する各種情報を記憶する。図８は、第１の実施形態に係る量子化情報記憶部の一例を示す図である。図８の例では、量子化情報記憶部１２３には、「ノードＩＤ」、「オブジェクトＩＤ」、および「量子化情報」といった項目を有する。
「ノードＩＤ」は、グラフにおける各ノード（対象）を識別するための識別情報を示す。また、「オブジェクトＩＤ」は、オブジェクトを識別するための識別情報を示す。なお、ノードＩＤとオブジェクトＩＤが共通である場合、「ノードＩＤ」にオブジェクトＩＤが記憶され、量子化情報記憶部１２３に「オブジェクトＩＤ」の項目は含まれてなくてもよい。
また、「量子化情報」は、各ノード（オブジェクト）の量子化されたベクトルの情報を示す。例えば、「量子化情報」には、「要素」、「コードブックＩＤ」といった情報が含まれる。「要素」は、対応するオブジェクトのベクトルにおける配置を示す。図８の例では、「要素」には、「＃１」、「＃２」、「＃３」、「＃４」が含まれる場合を示す。この場合、各ノード（オブジェクト）のベクトルは４分割され、各分割された部分ベクトルがコードブックにより量子化されることを示す。なお、分割数は４に限らず、例えば分割数が６の場合、「要素」には、「＃１」、「＃２」、「＃３」、「＃４」、「＃５」、「＃６」が含まれる。「コードブックＩＤ」は、各要素（部分ベクトル）に対応するコードブックを識別するための情報を示す。
図８の例では、ノードＮ９（オブジェクトＯＢ９）のベクトルは、４分割された部分ベクトルのうち、先頭の部分ベクトルがコードブックＩＤ「ＣＤ１２」により識別されるコードブック（コードブックＣＤ１２）により量子化されることを示す。また、ノードＮ９（オブジェクトＯＢ９）のベクトルは、４分割された部分ベクトルのうち、先頭から２番目の部分ベクトルがコードブックＩＤ「ＣＤ２３」により識別されるコードブック（コードブックＣＤ２３）により量子化されることを示す。
また、ノードＮ９（オブジェクトＯＢ９）のベクトルは、４分割された部分ベクトルのうち、先頭から３番目の部分ベクトルがコードブックＩＤ「ＣＤ３５」により識別されるコードブック（コードブックＣＤ３５）により量子化されることを示す。また、ノードＮ９（オブジェクトＯＢ９）のベクトルは、４分割された部分ベクトルのうち、先頭から４番目（すなわち最後尾）の部分ベクトルがコードブックＩＤ「ＣＤ４７」により識別されるコードブック（コードブックＣＤ４７）により量子化されることを示す。
なお、量子化情報記憶部１２３は、上記に限らず、目的に応じて種々の情報を記憶してもよい。
（コードブック情報記憶部１２４）
第１の実施形態に係るコードブック情報記憶部１２４は、コードブックに関する各種情報を記憶する。例えば、コードブック情報記憶部１２４は、コードブックＩＤや各コードブックのベクトル情報を記憶する。図９は、第１の実施形態に係るコードブック情報記憶部の一例を示す図である。図９の例では、コードブック情報記憶部１２４は、各コードブックとベクトルとの対応付けを示すルックアップテーブルを記憶する場合を一例として示す。
コードブック情報記憶部１２４は、４分割された部分ベクトルのうち、先頭の部分ベクトルを量子化するために用いるコードブック情報ＴＢ１、４分割された部分ベクトルのうち、先頭から２番目の部分ベクトルを量子化するために用いるコードブック情報ＴＢ２を記憶する。また、コードブック情報記憶部１２４は、４分割された部分ベクトルのうち、先頭から３番目の部分ベクトルを量子化するために用いるコードブック情報ＴＢ３、４分割された部分ベクトルのうち、先頭から４番目（すなわち最後尾）の部分ベクトルを量子化するために用いるコードブック情報ＴＢ４等を記憶する。
図９の例では、コードブック情報ＴＢ１には、コードブックＩＤ「ＣＤ１１」により識別されるコードブック（コードブックＣＤ１１）やコードブックＩＤ「ＣＤ１２」により識別されるコードブック（コードブックＣＤ１２）等のコードブック情報を記憶する。例えば、コードブックＣＤ１１は、「５，１３・・・」の多次元のベクトル情報が対応付けられることを示す。また、コードブックＣＤ１２は、「２７，５１・・・」の多次元のベクトル情報が対応付けられることを示す。
なお、コードブック情報記憶部１２４は、上記に限らず、目的に応じて種々の情報を記憶してもよい。例えば、コードブック情報記憶部１２４は、各コードブックと検索クエリとの差分（距離）を示す情報を記憶してもよい。
（制御部１３０）
図５の説明に戻って、制御部１３０は、コントローラ（controller）であり、例えば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）やＧＰＵ（Graphics Processing Unit）等によって、情報処理装置１００内部の記憶装置に記憶されている各種プログラム（情報処理プログラムの一例に相当）がＲＡＭを作業領域として実行されることにより実現される。また、制御部１３０は、コントローラであり、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路により実現される。
図５に示すように、制御部１３０は、取得部１３１と、生成部１３２と、検索処理部１３３と、提供部１３４とを有し、以下に説明する情報処理の機能や作用を実現または実行する。なお、制御部１３０の内部構成は、図５に示した構成に限られず、後述する情報処理を行う構成であれば他の構成であってもよい。
（取得部１３１）
取得部１３１は、各種情報を取得する。例えば、取得部１３１は、記憶部１２０から各種情報を取得する。例えば、取得部１３１は、オブジェクト情報記憶部１２１や、グラフ情報記憶部１２２や、量子化情報記憶部１２３や、コードブック情報記憶部１２４等から各種情報を取得する。また、取得部１３１は、各種情報を外部の情報処理装置から取得する。取得部１３１は、端末装置１０や情報提供装置５０から各種情報を取得する。
取得部１３１は、グラフを取得する。例えば、情報処理装置１００は、図１中の空間情報ＳＰ１を取得してもよい。例えば、情報処理装置１００は、情報提供装置５０等の外部装置からグラフを取得してもよい。
取得部１３１は、データ検索の対象となる複数のオブジェクトに対する検索クエリを取得する。例えば、取得部１３１は、検索クエリＱＥ１に関する情報を取得する。例えば、取得部１３１は、画像検索に関する検索クエリを取得する。例えば、取得部１３１は、利用する端末装置１０からクエリを取得する。例えば、取得部１３１は、利用する端末装置１０からクエリを受け付けた情報提供装置５０からクエリを取得する。
（生成部１３２）
生成部１３２は、各種情報を生成する。例えば、生成部１３２は、記憶部１２０に記憶された情報（データ）から各種情報（データ）を生成する。例えば、生成部１３２は、オブジェクト情報記憶部１２１や、グラフ情報記憶部１２２や、量子化情報記憶部１２３や、コードブック情報記憶部１２４等に記憶された情報（データ）から各種情報を生成する。
生成部１３２は、グラフ情報記憶部１２２に示すようなグラフを生成してもよい。例えば、生成部１３２は、空間情報ＳＰ１を生成する。また、生成部１３２は、量子化情報記憶部１２３に示すようなベクトル量子化に関する情報を生成してもよい。例えば、生成部１３２は、ノードＮ１（オブジェクトＯＢ１）等の各オブジェクトがベクトル量子化された情報を生成する。また、生成部１３２は、コードブック情報記憶部１２４に示すようなコードブックに関する情報を生成してもよい。生成部１３２は、コードブックのルックアップテーブルを生成してもよい。例えば、生成部１３２は、コードブック情報ＴＢ１～ＴＢ４のような、コードブックに関する情報を生成する。なお、情報処理装置１００がグラフ情報記憶部１２２、量子化情報記憶部１２３、コードブック情報記憶部１２４に示す情報を、情報提供装置５０等の外部装置から取得する場合、情報処理装置１００は、生成部１３２を有しなくてもよい。
（検索処理部１３３）
検索処理部１３３は、オブジェクトに関する検索サービスを提供する。検索処理部１３３は、各種情報を探索する。検索処理部１３３は、各種情報を検索する。例えば、検索処理部１３３は、グラフを探索することにより、オブジェクトを検索する。例えば、検索処理部１３３は、取得部１３１により取得されたクエリが取得された場合、グラフを探索することにより、クエリに類似するオブジェクトを検索する。例えば、検索処理部１３３は、グラフを探索することにより、クエリに類似するオブジェクトを抽出する。例えば、検索処理部１３３は、図１１に示すような処理手順に基づいて、グラフを探索することにより、クエリに類似するオブジェクトを抽出する。なお、情報処理装置１００は、検索サービスを提供しない場合、検索処理部１３３を有しなくてもよい。
検索処理部１３３は、検索処理において各種情報を選択する。検索処理部１３３は、検索処理において各種情報を抽出する。検索処理部１３３は、検索処理において各種情報を判定する。検索処理部１３３は、検索処理において各種情報を決定する。検索処理部１３３は、検索処理において各種情報を変更する。検索処理部１３３は、検索処理において各種情報を更新する。
検索処理部１３３は、複数のオブジェクトの各々に対応するノード群がエッジにより連結されたグラフを用いて、検索クエリの近傍のノードを検索する検索処理において、所定の基準により選択された複数のノードと検索クエリとの距離を、ベクトル量子化がされた複数のノードのベクトル情報を用いて算出する。検索処理部１３３は、複数のノードと検索クエリとの距離の算出を並列化して一括で行う。検索処理部１３３は、情報処理装置１００の仕様に基づいて決定される一括処理数の複数のノードと検索クエリとの距離の算出を並列処理する。
検索処理部１３３は、複数のノードの各々が対応する代表ベクトルに対応付けられたコードブックを用いて、複数のノードと検索クエリとの距離を算出する。検索処理部１３３は、一のノードからのエッジが連結された複数のノードと検索クエリとの距離を算出する。検索処理部１３３は、複数のノードと複数のノードの各々が対応付けられた代表ベクトルを示す参照用情報が一のノードに対応付けて記憶されたノード情報を用いて、複数のノードと検索クエリとの距離を算出する。
検索処理部１３３は、直積量子化により、各々が複数の部分ベクトルに分割された複数のノードのベクトル情報を用いて、複数のノードと検索クエリとの距離を算出する。検索処理部１３３は、複数のノードの各々が分割された複数の部分ベクトルの分割位置ごとのベクトルに対応する代表ベクトルに対応付けられた複数のコードブックを用いて、複数のノードと検索クエリとの距離を算出する。検索処理部１３３は、複数のノードと複数のノードの各々の複数の部分ベクトルの各々が対応付けられた代表ベクトルを示す参照用情報が一のノードに対応付けて記憶されたノード情報を用いて、複数のノードと検索クエリとの距離を算出する。
検索処理部１３３は、複数のノードの各々に、各ノードの複数の部分ベクトルの各々が対応付けられた代表ベクトルの一覧が対応付けられた参照用情報を用いて、複数のノードと検索クエリとの距離を算出する。検索処理部１３３は、複数のノードの各々の複数の部分ベクトルの各々が対応する代表ベクトルが、分割位置ごとに一覧で並ぶ転置情報と、複数のノードの各々が一覧で対応する位置を示す対応付情報とを含む参照用情報を用いて、複数のノードと検索クエリとの距離を算出する。検索処理部１３３は、複数のノードの各々の複数の部分ベクトルの各々が対応する代表ベクトルに対応付けられた一のコードブックを用いて、複数のノードと検索クエリとの距離を算出する。
検索処理部１３３は、検索処理において処理対象となったノードのうち、所定のノードを対象として、ベクトル量子化がされた距離である第１距離とは異なり、ベクトル量子化がされていない第２距離を算出する。検索処理部１３３は、検索処理において検索クエリの近傍のノードとして抽出するノードの第１数よりも多い数である第２数のノードを近傍候補ノードとして抽出し、近傍候補ノードを対象として第２距離を算出する。検索処理部１３３は、近傍候補ノードのうち、第２距離が短い方から第１数のノードを検索クエリの近傍のノードとして抽出する。
検索処理部１３３は、第１距離が所定の閾値以内であるノードを対象として第２距離を算出する。検索処理部１３３は、近傍のノードとして抽出する対象範囲を示す検索範囲内のノードを対象として第２距離を算出する。検索処理部１３３は、検索処理の対象範囲を示す探索範囲内のノードを対象として第２距離を算出する。
（提供部１３４）
提供部１３４は、各種情報を提供する。例えば、提供部１３４は、端末装置１０や情報提供装置５０に各種情報を送信する。例えば、提供部１３４は、検索クエリに対応するオブジェクトＩＤを検索結果として提供する。提供部１３４は、検索結果を端末装置１０へ送信する。提供部１３４は、検索処理部１３３により検索されたオブジェクトＩＤを、検索クエリに対応する検索結果として端末装置１０へ提供する。
また、提供部１３４は、検索処理部１３３により検索されたオブジェクトＩＤを情報提供装置５０へ提供してもよい。例えば、提供部１３４は、検索処理部１３３が検索により抽出したオブジェクトＩＤを情報提供装置５０へ提供する。提供部１３４は、検索処理部１３３により抽出されたオブジェクトＩＤをクエリに対応するベクトルを示す情報として情報提供装置５０に提供する。
〔１－４．情報処理のフロー〕
次に、図１０を用いて、第１の実施形態に係る情報処理システム１による情報処理の手順について説明する。図１０は、第１の実施形態に係る情報処理の一例を示すフローチャートである。
図１０に示すように、情報処理装置１００は、データ検索の対象となる複数のオブジェクトに対する検索クエリを取得する（ステップＳ１０１）。図１の例では、情報処理装置１００は、検索クエリＱＥ１を取得する。
そして、情報処理装置１００は、複数のオブジェクトの各々に対応するノード群がエッジにより連結されたグラフを用いて、検索クエリの近傍のノードを検索する検索処理において、所定の基準により選択された複数のノードと検索クエリとの距離を、ベクトル量子化がされた複数のノードのベクトル情報を用いて算出する（ステップＳ１０２）。図１の例では、情報処理装置１００は、複数のノードＮ９、Ｎ１２、Ｎ５４、Ｎ８５と前記検索クエリＱＥ１との距離を、ベクトル量子化がされた複数のノードＮ９、Ｎ１２、Ｎ５４、Ｎ８５のベクトル情報を用いて算出する。
〔１－５．検索処理例〕
ここで、第１の実施形態に係る検索処理の一例について、図１１を一例として説明する。図１１は、第１の実施形態に係る検索処理の一例を示すフローチャートである。以下に説明する検索処理は、情報処理装置１００の検索処理部１３３によって行われる。また、以下でいうオブジェクトは、ノードと読み替えてもよい。なお、以下では、情報処理装置１００（検索処理部１３３）が検索処理を行う。なお、検索サービスを提供しない場合、情報処理装置１００は検索処理部１３３を有しなくてもよい。以下で説明する処理の検索クエリは、追加ノードや対象ノードやユーザが指定したオブジェクト等であってもよい。
ここでは、近傍オブジェクト集合Ｎ（Ｇ，ｙ）は、ノードｙに付与されているエッジにより関連付けられている近傍のオブジェクトの集合である。「Ｇ」は、所定のグラフデータ（例えば、空間情報ＳＰ１に示すグラフＧＲ１等）であってもよい。例えば、情報処理装置１００は、ｋ近傍検索処理を実行する。
例えば、情報処理装置１００は、超球の半径ｒを∞（無限大）に設定し（ステップＳ３００）、既存のオブジェクト集合から部分集合Ｓを抽出する（ステップＳ３０１）。例えば、情報処理装置１００は、ルートノードとして選択されたオブジェクト（ノード）を部分集合Ｓとして抽出してもよい。また、例えば、超球とは、検索範囲を示す仮想的な球である。なお、ステップＳ３０１において抽出されたオブジェクト集合Ｓに含まれるオブジェクトは、同時に検索結果のオブジェクト集合Ｒの初期集合にも含められる。
次に、情報処理装置１００は、オブジェクト集合Ｓに含まれるオブジェクトの中で、検索クエリオブジェクトをｙとするとオブジェクトｙとの距離が最も短いオブジェクトを抽出し、オブジェクトｓとする（ステップＳ３０２）。例えば、情報処理装置１００は、ルートノードとして選択されたオブジェクト（ノード）のみがＳの要素の場合には、結果的にルートノードがオブジェクトｓとして抽出される。次に、情報処理装置１００は、オブジェクトｓをオブジェクト集合Ｓから除外する（ステップＳ３０３）。
次に、情報処理装置１００は、オブジェクトｓとオブジェクトｙとの距離ｄ（ｓ，ｙ）がｒ（１＋ε）を超えるか否かを判定する（ステップＳ３０４）。ここで、εは拡張要素であり、ｒ（１＋ε）は、探索範囲（この範囲内のノードのみを探索する。検索範囲よりも大きくすることで精度を高めることができる）の半径を示す値である。オブジェクトｓとオブジェクトｙとの距離ｄ（ｓ，ｙ）がｒ（１＋ε）を超える場合（ステップＳ３０４：Ｙｅｓ）、情報処理装置１００は、オブジェクト集合Ｒをオブジェクトｙの近傍オブジェクト集合として出力し（ステップＳ３０５）、処理を終了する。
オブジェクトｓと検索クエリオブジェクトｙとの距離ｄ（ｓ，ｙ）がｒ（１＋ε）を超えない場合（ステップＳ３０４：Ｎｏ）、情報処理装置１００は、オブジェクトｓの近傍オブジェクト集合Ｎ（Ｇ，ｓ）の要素であるオブジェクトの中からオブジェクト集合Ｃに含まれないオブジェクトを一つ選択し、選択したオブジェクトｕを、オブジェクト集合Ｃに格納する（ステップＳ３０６）。オブジェクト集合Ｃは、重複検索を回避するために便宜上設けられるものであり、処理開始時には空集合に設定される。
次に、情報処理装置１００は、オブジェクトｕとオブジェクトｙとの距離ｄ（ｕ，ｙ）がｒ（１＋ε）以下であるか否かを判定する（ステップＳ３０７）。オブジェクトｕとオブジェクトｙとの距離ｄ（ｕ，ｙ）がｒ（１＋ε）以下である場合（ステップＳ３０７：Ｙｅｓ）、情報処理装置１００は、オブジェクトｕをオブジェクト集合Ｓに追加する（ステップＳ３０８）。また、オブジェクトｕとオブジェクトｙとの距離ｄ（ｕ，ｙ）がｒ（１＋ε）以下ではない場合（ステップＳ３０７：Ｎｏ）、情報処理装置１００は、ステップＳ３０９の判定（処理）を行う。
次に、情報処理装置１００は、オブジェクトｕとオブジェクトｙとの距離ｄ（ｕ，ｙ）がｒ以下であるか否かを判定する（ステップＳ３０９）。オブジェクトｕとオブジェクトｙとの距離ｄ（ｕ，ｙ）がｒを超える場合（ステップＳ３０９：Ｎｏ）、情報処理装置１００は、ステップＳ３１５の判定（処理）を行う。すなわち、オブジェクトｕとオブジェクトｙとの距離ｄ（ｕ，ｙ）がｒ以下ではない場合、情報処理装置１００は、ステップＳ３１５の判定（処理）を行う。
オブジェクトｕとオブジェクトｙとの距離ｄ（ｕ，ｙ）がｒ以下である場合（ステップＳ３０９：Ｙｅｓ）、情報処理装置１００は、オブジェクトｕをオブジェクト集合Ｒに追加する（ステップＳ３１０）。そして、情報処理装置１００は、オブジェクト集合Ｒに含まれるオブジェクト数がｋｓを超えるか否かを判定する（ステップＳ３１１）。所定数ｋｓは、任意に定められる自然数である。例えば、ｋｓは、検索数や抽出対象数であってもよい。また、例えば、範囲検索等において抽出するオブジェクト数の上限を設けない場合、ｋｓは、無限大に設定されてもよい。例えば、ｋｓ＝４等であってもよい。オブジェクト集合Ｒに含まれるオブジェクト数がｋｓを超えない場合（ステップＳ３１１：Ｎｏ）、情報処理装置１００は、ステップＳ３１３の判定（処理）を行う。
オブジェクト集合Ｒに含まれるオブジェクト数がｋｓを超える場合（ステップＳ３１１：Ｙｅｓ）、情報処理装置１００は、オブジェクト集合Ｒに含まれるオブジェクトの中でオブジェクトｙとの距離が最も長い（遠い）オブジェクトを、オブジェクト集合Ｒから除外する（ステップＳ３１２）。
次に、情報処理装置１００は、オブジェクト集合Ｒに含まれるオブジェクト数がｋｓと一致するか否かを判定する（ステップＳ３１３）。オブジェクト集合Ｒに含まれるオブジェクト数がｋｓと一致しない場合（ステップＳ３１３：Ｎｏ）、情報処理装置１００は、ステップＳ３１５の判定（処理）を行う。また、オブジェクト集合Ｒに含まれるオブジェクト数がｋｓと一致する場合（ステップＳ３１３：Ｙｅｓ）、情報処理装置１００は、オブジェクト集合Ｒに含まれるオブジェクトの中でオブジェクトｙとの距離が最も長い（遠い）オブジェクトと、オブジェクトｙとの距離を、新たなｒに設定する（ステップＳ３１４）。
そして、情報処理装置１００は、オブジェクトｓの近傍オブジェクト集合Ｎ（Ｇ，ｓ）の要素であるオブジェクトから全てのオブジェクトを選択してオブジェクト集合Ｃに格納し終えたか否かを判定する（ステップＳ３１５）。オブジェクトｓの近傍オブジェクト集合Ｎ（Ｇ，ｓ）の要素であるオブジェクトから全てのオブジェクトを選択してオブジェクト集合Ｃに格納し終えていない場合（ステップＳ３１５：Ｎｏ）、情報処理装置１００は、ステップＳ３０６に戻って処理を繰り返す。
オブジェクトｓの近傍オブジェクト集合Ｎ（Ｇ，ｓ）の要素であるオブジェクトから全てのオブジェクトを選択してオブジェクト集合Ｃに格納し終えた場合（ステップＳ３１５：Ｙｅｓ）、情報処理装置１００は、オブジェクト集合Ｓが空集合であるか否かを判定する（ステップＳ３１６）。オブジェクト集合Ｓが空集合でない場合（ステップＳ３１６：Ｎｏ）、情報処理装置１００は、ステップＳ３０２に戻って処理を繰り返す。また、オブジェクト集合Ｓが空集合である場合（ステップＳ３１６：Ｙｅｓ）、情報処理装置１００は、オブジェクト集合Ｒを出力し、処理を終了する（ステップＳ３１７）。例えば、情報処理装置１００は、オブジェクト集合Ｒに含まれるオブジェクト（ノード）を追加ノード（入力オブジェクトｙ）に対応する近傍ノードとして選択してもよい。例えば、情報処理装置１００は、オブジェクト集合Ｒに含まれるオブジェクト（ノード）を対象ノード（入力オブジェクトｙ）に対応する近傍ノードとして抽出（選択）してもよい。また、例えば、情報処理装置１００は、オブジェクト集合Ｒに含まれるオブジェクト（ノード）を検索クエリ（入力オブジェクトｙ）に対応する検索結果として、検索を行った端末装置等へ提供してもよい。
〔２．第２の実施形態〕
ここから、第２の実施形態について説明する。第２の実施形態は、クラスタリングなどにより近傍オブジェクトをグルーピングし、各グループ（以下「ブロブ」ともいう）を一括して距離計算を行う対象とする。すなわち、第２の実施形態では、ブロブ単位で一括距離計算を行う。なお、第１の実施形態と同様の点については、適宜説明を省略する。第２の実施形態においては、情報処理システム１は、情報処理装置１００に代えて、情報処理装置１００Ａを有する。
〔２－１．情報処理〕
まず、図１２を用いて、第２の実施形態に係る情報処理の概要を説明する。図１２は、第２の実施形態に係る情報処理の一例を示す図である。
図１２の例では、情報処理装置１００Ａは、空間情報ＳＰ２１に示すようなグラフＧＲ２１を取得済みであるものとする。例えば図１中の空間情報ＳＰ２１は、ユークリッド空間であってもよい。例えば、空間情報ＳＰ２１は、オブジェクトのベクトルの次元数に対応し、１００次元や１０００次元等の多次元空間であるものとする。なお、図１２の例では、説明を簡単にするために直積量子化が行われていない図を基に説明するが、図１と同様にベクトル（空間）の直積量子化が行われてもよい。
まず、図１２で示す各情報について説明する。図１２の空間情報ＳＰ２１中のノードである白丸（〇）間を接続する点線がノード間を連結するエッジを示す。図１２では、図１と同様に無向エッジを例として示すが、グラフＧＲ２１のエッジは、無向エッジに限らず、有向エッジであってもよい。なお、ノートやエッジについては図１と同様であるため詳細な説明は省略する。
図１２の空間情報ＳＰ２１において、直線で囲まれた領域はクラスタリングなどで近傍のオブジェクトがまとめ上げられた（グループ化された）ものであり、領域をブロブと称する。以下で示す例ではブロブが一括距離計算の処理単位となる。図１２は、ブロブＢＬ１～ＢＬ１０の１０個の領域（ブロブ）にクラスタリングされた場合を示す。例えば、ブロブＢＬ１は、ノードＮ７、Ｎ９、Ｎ８５、Ｎ１２６等の複数のノードが属するブロブであることを示す。なお、ブロブＢＬ１～ＢＬ１０中の黒い点は、各ブロブのセントロイド（代表ベクトル）を示す。
なお、ブロブＢＬ１～ＢＬ１０は、クラスタリング等に関する種々の手法を適宜用いて生成される。例えば、ブロブに分類するためのクラスタリングは、ｋ－ｍｅａｎｓクラスタリングでもよい。また、例えば、ブロブに分類するためのクラスタリングは、ｋ－ｍｅａｎｓでの一回のイテレーション（アサイン）で各クラスタの中心座標（平均）で得られたセントロイドを次のイテレーションに使うのではなく、その代わりに、各セントロイドに最も近いオブジェクトにセントロイドを置き換えてから、次のイテレーションを行ってもよい。この場合、ｋ－ｍｅａｎｓで得られる最終的なクラスタのセントロイドは既存のオブジェクト、つまり、ノードとなる。これにより、クラスタ（ブロブ）と各ノードのエッジ（近傍ノード）が一致する傾向が高まり、検索性能をさらに向上させることができる。
図１２の例では、情報処理装置１００Ａは、空間情報ＳＰ２１に示すように、複数のノード（オブジェクト）をクラスタリングすることにより、分類した複数のブロブＢＬ１～ＢＬ１０の情報を用いて、検索処理を行う。
ここから、検索クエリＱＥ２を対象とする検索処理を説明する。まず、情報処理装置１００Ａは、検索クエリＱＥ２を取得する（ステップＳ２１）。例えば、情報処理装置１００Ａは、ユーザが利用する端末装置１０（図４参照）から検索クエリＱＥ２を取得する。
そして、情報処理装置１００Ａは、検索クエリＱＥ２のベクトルと、コードブックのベクトルとの間の距離を算出する。図示は省略するが直積量子化を行っていない場合、情報処理装置１００Ａは、検索クエリＱＥ２のベクトルと、ベクトル全体を量子化するためのコードブックのベクトルとの間の距離（差分）を算出する。そして、情報処理装置１００Ａは、検索クエリＱＥ２のベクトルと各コードブックのベクトルとの間の距離（差分）を、各コードブックを識別するための情報に対応付けてコードブック情報ＴＢ２１として保持する。なお、直積量子化を行っている場合、情報処理装置１００Ａは、図１と同様に、図２のコードブック情報ＴＢ１～ＴＢ４に示すように、検索クエリＱＥ２の各サブベクトルと各コードブックのベクトルとの間の距離（差分）を算出する。なお、検索クエリのベクトルとコードブックのベクトルとの距離算出は、図１、図２等と同様であるため詳細な説明は省略する。
情報処理装置１００Ａは、検索クエリＱＥ２を対象とする検索処理を実行する（ステップＳ２２）。情報処理装置１００Ａは、検索クエリＱＥ２を対象として、グラフＧＲ２１を用いた図１６に示すような検索処理を行うことにより、検索クエリＱＥ２の検索結果を得る。図１６に示す検索処理についての詳細は後述する。情報処理装置１００Ａは、検索クエリＱＥ２を対象として検索処理を行うことにより、検索数のノードを検索クエリＱＥ２の近傍のノードとして抽出する。
情報処理装置１００Ａは、検索クエリＱＥ２を対象とする検索処理において、各ノードのうち、所定のノードをグラフＧＲ２１の検索の起点となるノード（起点ノード）として選択する。図１２の例では、情報処理装置１００Ａは、起点ノードとして、ノードＮ９を選択するものとする。図１２の例では、情報処理装置１００Ａは、例えば、ノードＮ９を処理対象として検索処理を開始する。
ここで、情報処理装置１００Ａは、検索クエリＱＥ２を対象とする検索処理において、処理対象となるノードが属するブロブに属する複数のノードと検索クエリとの距離を並列化して算出する（ステップＳ２３）。図１２では、情報処理装置１００Ａは、一括処理情報ＬＴ２に示すように、処理対象となるノードＮ９が属するブロブＢＬ１に属するノードであるノードＮ７、Ｎ９、Ｎ８５、Ｎ１２６等については、検索クエリＱＥ２との距離を並列化して算出する。
情報処理装置１００Ａは、コードブック情報ＴＢ２１が示す各コードブックと検索クエリＱＥ２との間の距離を用いて、ノードＮ７、Ｎ９、Ｎ８５、Ｎ１２６の各々と検索クエリＱＥ２との距離を算出する。例えば、情報処理装置１００Ａは、コードブック情報ＴＢ２１を参照して、ノードＮ７のベクトルに対応するコードブックの距離を、ノードＮ７と検索クエリＱＥ２との距離として算出する。なお、直積量子化が行われている場合の距離算出は、図１、図２等と同様であるため詳細な説明は省略する。
なお、一括処理可能単位については、情報処理装置１００の場合と同様に、情報処理装置１００Ａの仕様に基づいて決定される。例えば、情報処理装置１００ＡがＳＩＭＤにより一括して処理できる数（一括処理可能単位）が「４」である場合、図１と同様に、４個のノードを対象として距離を並列化して算出する。例えば、情報処理装置１００Ａは、ＳＩＭＤの演算に関する並列化により、ノードＮ７、Ｎ９、Ｎ８５、Ｎ１２６の各々と検索クエリＱＥ２との距離を一括して算出する。これにより、情報処理装置１００Ａは、距離計算を並列化することにより、距離計算を高速化することでき、効率的な検索処理を可能にすることができる。また、情報処理装置１００Ａは、グラフＧＲ２１を用いて、ノードＮ７からのエッジが接続されたノード（例えばノードＮ１２、Ｎ６４）を辿り、それらのノードが属するブロブ（例えばブロブＢＬ２、ＢＬ３）を対象とした一括距離計算を行って、検索処理を行う。なお、情報処理装置１００Ａは、検索処理において、同じブロブが繰り返し一括距離計算の対象となることを抑制するが詳細は後述する。
なお、図１２では説明を簡単にするために、４つのノードを対象として距離を並列化して算出する場合を示すが、並列化される数は、情報処理装置１００Ａの仕様に基づいて決定される。この点についても図１、図２等と同様であるため、詳細な説明は省略する。また、情報処理装置１００Ａは、図３に示す例と同様に、転置データを用いてもよい。
上述のように、情報処理装置１００Ａは、ベクトル量子化された各ノードのベクトルと検索クエリとの間の近似距離（第２距離）を算出して、第２距離を用いて検索処理を行う事により、効率的な検索処理を可能にすることができる。また、情報処理装置１００Ａは、並列化可能な数のノードの距離計算を一括して行うことにより、効率的な検索処理を可能にすることができる。上記のように、情報処理装置１００Ａは、ブロブを一括処理の単位として一括して計算することにより、効率的な検索処理を可能にすることができる。
情報処理装置１００Ａは、検索処理において、グラフＧＲ２１を辿り処理対象となるノードを対象に上述した処理を行うことにより、検索数のノードを検索クエリＱＥ２の近傍のノードとして抽出する。例えば、情報処理装置１００Ａは、情報処理装置１００と同様に、上述した第１の方法及び第２の方法のいずれかにより検索結果を得る。
上述した処理は一例に過ぎず、情報処理装置１００Ａは、効率的な検索処理の為に様々な情報や手法を用いて、検索処理を行ってもよい。この点について、各事項について詳述する。例えば、情報処理装置１００Ａは、各ブロブに属するノードの数が、情報処理装置１００がＳＩＭＤにより一括して処理できる数（一括処理可能単位）になるように、クラスタリングを行い、ブロブを生成してもよい。
また、情報処理装置１００Ａは、ブロブに関する情報を用いて、重複した処理が行われることを抑制してもよい。情報処理装置１００Ａは、ブロブ単位にそのブロブの距離計算を行ったかを示すブロブ距離計算フラグ（以下単に「フラグ」ともいう）、および各オブジェクトがどのブロブに属するかを示すテーブルを有してもよい。この場合、情報処理装置１００Ａは、フラグにより各ブロブが処理済であるか否かを管理してもよい。例えば、情報処理装置１００Ａは、近傍ノードを逐一処理する直前にノードが属するブロブをテーブルにより特定し、そのブロブが一括距離計算済みかをフラグで判断し、未計算の場合には、一括計算を行い、個々のノードの処理を行ってもよい。この点については、図１５や図１６においても説明する。これにより、情報処理装置１００Ａは、重複した処理が行われることを抑制することができる。
〔２－２．情報処理装置の構成〕
次に、図１３を用いて、第２の実施形態に係る情報処理装置１００Ａの構成について説明する。図１３は、第２の実施形態に係る情報処理装置の構成例を示す図である。図１３に示すように、情報処理装置１００Ａは、通信部１１０と、記憶部１２０Ａと、制御部１３０Ａとを有する。なお、情報処理装置１００Ａにおいて、情報処理装置１００と同様の点は適宜説明を省略する。
（記憶部１２０Ａ）
記憶部１２０Ａは、例えば、ＲＡＭ、フラッシュメモリ等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。第２の実施形態に係る記憶部１２０Ａは、図１３に示すように、オブジェクト情報記憶部１２１と、グラフ情報記憶部１２２と、量子化情報記憶部１２３Ａと、コードブック情報記憶部１２４と、ブロブ情報記憶部１２５とを有する。
（量子化情報記憶部１２３Ａ）
第２の実施形態に係る量子化情報記憶部１２３Ａは、割当処理に関する各種情報を記憶する。図１４は、第２の実施形態に係る量子化情報記憶部の一例を示す図である。図１４の例では、量子化情報記憶部１２３Ａには、「ノードＩＤ」、「オブジェクトＩＤ」、「ブロブＩＤ」、および「量子化情報」といった項目を有する。
「ノードＩＤ」は、グラフにおける各ノード（対象）を識別するための識別情報を示す。また、「オブジェクトＩＤ」は、オブジェクトを識別するための識別情報を示す。なお、ノードＩＤとオブジェクトＩＤが共通である場合、「ノードＩＤ」にオブジェクトＩＤが記憶され、量子化情報記憶部１２３Ａに「オブジェクトＩＤ」の項目は含まれてなくてもよい。
「ブロブＩＤ」は、ノード（オブジェクト）が属するブロブを識別するための情報を示す。
また、「量子化情報」は、各ノード（オブジェクト）の量子化されたベクトルの情報を示す。例えば、「量子化情報」には、「要素」、「コードブックＩＤ」といった情報が含まれる。「要素」は、対応するオブジェクトのベクトルにおける配置を示す。図１４の例では、「要素」には、「＃１」、「＃２」、「＃３」、「＃４」が含まれる場合を示す。この場合、各ノード（オブジェクト）のベクトルは４分割され、各分割された部分ベクトルがコードブックにより量子化されることを示す。
図１４の例では、ノードＮ１（オブジェクトＯＢ１）は、ブロブＩＤ「ＢＬ９」により識別されるブロブ（ブロブＢＬ９）に属することを示す。例えば、直積量子化によりベクトルが４分割される場合、ノードＮ１の量子化情報には、図８に示すノードＮ１の量子化情報示す４つのコードブックと同様の情報が格納される。また、例えば、直積量子化が行われない場合、ノードＮ１の量子化情報には、ノードＮ１のベクトルを量子化するための、１つのコードブックを示す情報が記憶される。
なお、量子化情報記憶部１２３Ａは、上記に限らず、目的に応じて種々の情報を記憶してもよい。
（ブロブ情報記憶部１２５）
第２の実施形態に係るブロブ情報記憶部１２５は、ブロブに関する情報を記憶する。例えば、ブロブ情報記憶部１２５は、各ブロブに対応付けられたオブジェクトを識別する各種情報を記憶する。図１５は、第２の実施形態に係るブロブ情報記憶部の一例を示す図である。図１５の例では、ブロブ情報記憶部１２５は、「ブロブＩＤ」、「ノードＩＤ」、「ベクトル情報」といった項目が含まれる。
「ブロブＩＤ」は、ブロブを識別するための識別情報を示す。また、「ノードＩＤ」は、ブロブＩＤにより識別されるブロブに対応付けられたノード（オブジェクト）を示す。「ベクトル情報」は、ブロブのベクトル情報を示す。例えば、「ベクトル情報」は、ブロブのセントロイドに対応するベクトルを示す。
図１５に示す例では、ブロブＩＤ「ＢＬ１」により識別されるブロブ（ブロブＢＬ１）に対応付けられたノード（オブジェクト）は、ノードＮ７、Ｎ９、Ｎ８５、Ｎ１２６等であることを示す。ブロブＢＬ１は、「５１，４，１０２，３３・・・」の多次元のベクトル情報が対応付けられることを示す。
また、ブロブＩＤ「ＢＬ９」により識別されるブロブ（ブロブＢＬ９）に対応付けられたノード（オブジェクト）は、ノードＮ１、Ｎ４、Ｎ５等であることを示す。ブロブＢＬ９は、「１２，５５，１２，６・・・」の多次元のベクトル情報が対応付けられることを示す。
なお、ブロブ情報記憶部１２５は、上記に限らず、目的に応じて種々の情報を記憶してもよい。ブロブ情報記憶部１２５は、各ブロブが距離計算の処理対象となったか否かを示すフラグを記憶してもよい。例えば、ブロブ情報記憶部１２５は、距離計算の対象として処理されていないことを示す値（「未処理フラグ値」ともいう）と、距離計算の対象として処理されたことを示す値（「処理済フラグ値」ともいう）とのいずれかを各ブロブのフラグの値に設定する。例えば、ブロブ情報記憶部１２５は、検索処理開始時に各ブロブのフラグの値を、そのブロブを対象としての距離計算が未処理であることを示す値（例えば０）に設定し、距離計算の対象となったブロブのフラグの値を、距離計算が処理済みであることを示す値（例えば１）に変更する。
例えば、情報処理装置１００Ａは、処理対象となったブロブのフラグの値を参照して、そのブロブについて一括距離計算の処理を実行するか否かを判定する。情報処理装置１００Ａは、各ブロブのフラグの値を参照し、そのブロブのフラグの値が未処理フラグ値である場合は、そのブロブが一括距離計算の処理前であると判定して、そのブロブに属するノードの一括距離計算を実行する。一方、情報処理装置１００Ａは、そのブロブのフラグの値が処理済フラグ値である場合は、そのブロブが一括距離計算の処理済みであると判定して、そのブロブに属するノードの一括距離計算を行わない。
（制御部１３０Ａ）
図１３の説明に戻って、制御部１３０Ａは、コントローラ（controller）であり、例えば、ＣＰＵやＭＰＵやＧＰＵ等によって、情報処理装置１００Ａ内部の記憶装置に記憶されている各種プログラム（情報処理プログラムの一例に相当）がＲＡＭを作業領域として実行されることにより実現される。また、制御部１３０Ａは、コントローラであり、例えば、ＡＳＩＣやＦＰＧＡ等の集積回路により実現される。
図１３に示すように、制御部１３０Ａは、取得部１３１と、生成部１３２Ａと、検索処理部１３３Ａと、提供部１３４とを有し、以下に説明する情報処理の機能や作用を実現または実行する。なお、制御部１３０Ａの内部構成は、図１３に示した構成に限られず、後述する情報処理を行う構成であれば他の構成であってもよい。
（生成部１３２Ａ）
生成部１３２Ａは、生成部１３２と同様に各種情報を生成する。
生成部１３２Ａは、量子化情報記憶部１２３に示すようなベクトル量子化に関する情報を生成してもよい。例えば、生成部１３２は、ノードＮ１（オブジェクトＯＢ１）がブロブＢＬ９に属することを示す情報を生成する。また、生成部１３２は、ブロブ情報記憶部１２５に示すようなブロブに関する情報を生成してもよい。例えば、生成部１３２は、ブロブＢＬ１には、ノードＮ７、Ｎ９、Ｎ８５、Ｎ１２６等が属することを示す情報を生成する。なお、情報処理装置１００がグラフ情報記憶部１２２、量子化情報記憶部１２３Ａ、コードブック情報記憶部１２４、ブロブ情報記憶部１２５に示す情報を、情報提供装置５０等の外部装置から取得する場合、情報処理装置１００は、生成部１３２Ａを有しなくてもよい。
（検索処理部１３３Ａ）
検索処理部１３３Ａは、検索処理部１３３と同様に検索処理に関する各種処理を行う。
検索処理部１３３Ａは、複数のオブジェクトの各々に対応するノード群を対象として、検索クエリの近傍のノードを検索する検索処理において、複数のオブジェクトを分類した複数のブロブの情報を用いて、一のブロブに属する複数のノードと検索クエリとの距離を、ベクトル量子化された複数のノードのベクトル情報を用いて算出する。検索処理部１３３Ａは、複数のノードと検索クエリとの距離の算出を並列化して一括で行う。検索処理部１３３Ａは、情報処理装置１００Ａの仕様に基づいて決定される一括処理数の複数のノードと検索クエリとの距離の算出を並列処理する。
検索処理部１３３Ａは、検索クエリが該当するブロブと隣接する一のブロブに属する複数のノードと検索クエリとの距離を算出する。検索処理部１３３Ａは、複数のノードがエッジにより連結されたグラフを用いて、検索クエリの近傍のノードを検索する検索処理において、複数のノードと検索クエリとの距離を算出する。検索処理部１３３Ａは、検索処理において処理対象となる対象ノードからのエッジが連結された接続ノードが属する一のブロブに属する複数のノードと検索クエリとの距離を算出する。
検索処理部１３３Ａは、対象ノードが属するブロブ以外の一のブロブに属する複数のノードと検索クエリとの距離を算出する。検索処理部１３３Ａは、複数のノードの各々から、複数のノードの各々が属するブロブ以外の他のブロブへ連結されたブロブ用グラフを用いて、検索クエリの近傍のノードを検索する検索処理において、複数のノードと検索クエリとの距離を算出する。検索処理部１３３Ａは、複数のノードがエッジにより連結された変換前のグラフにおいて、複数のノードのうち一のノードからエッジが連結されたノードが属するブロブであって、一のノードが属するブロブ以外のブロブへ、一のノードからエッジを連結することにより生成された変換後のグラフであるブロブ用グラフを用いて、検索クエリの近傍のノードを検索する検索処理において、複数のノードと検索クエリとの距離を算出する。
検索処理部１３３Ａは、検索処理において処理対象となる対象ノードからのエッジが連結されたブロブである一のブロブに属する複数のノードと検索クエリとの距離を算出する。検索処理部１３３Ａは、既に処理対象となったブロブである処理済みブロブを示す情報を用いて、一のブロブを処理対象とするかを判定する。検索処理部１３３Ａは、一のブロブが処理済みブロブである場合、一のブロブを処理対象としないと判定する。
検索処理部１３３Ａは、検索処理において処理対象となったノードのうち、所定のノードを対象として、ベクトル量子化がされた距離である第１距離とは異なり、ベクトル量子化がされていない第２距離を算出する。検索処理部１３３Ａは、検索処理において検索クエリの近傍のノードとして抽出するノードの第１数よりも多い数である第２数のノードを近傍候補ノードとして抽出し、近傍候補ノードを対象として第２距離を算出する。検索処理部１３３Ａは、近傍候補ノードのうち、第２距離が短い方から第１数のノードを検索クエリの近傍のノードとして抽出する。
検索処理部１３３Ａは、第１距離が所定の閾値以内であるノードを対象として第２距離を算出する。検索処理部１３３Ａは、近傍のノードとして抽出する対象範囲を示す検索範囲内のノードを対象として第２距離を算出する。検索処理部１３３Ａは、検索処理の対象範囲を示す探索範囲内のノードを対象として第２距離を算出する。
〔２－３．検索処理例〕
ここで、第２の実施形態に係る検索処理の一例について、図１６を一例として説明する。図１６は、第２の実施形態に係る検索処理の一例を示すフローチャートである。以下に説明する検索処理は、情報処理装置１００Ａの検索処理部１３３Ａによって行われる。なお、図１１等、第１の実施形態と同様の点については適宜説明を省略する。例えば、図１６において、図１１と同様の点は同じステップ番号を付すことにより、適宜説明を省略する。
ここでは、近傍オブジェクト集合Ｎ（Ｇ，ｙ）は、ノードｙに付与されているエッジにより関連付けられている近傍のオブジェクトの集合である。「Ｇ」は、所定のグラフデータ（例えば、空間情報ＳＰ２１に示すグラフＧＲ２１等）であってもよい。例えば、情報処理装置１００Ａは、ｋ近傍検索処理を実行する。
例えば、図１６に示す検索処理は、ステップＳ３０４の後にステップＳ３０４ａに示す処理を行う点で、図１１に示す検索処理と相違する。このように、図１６に示す検索処理は、通常のグラフの探索で、まだ、アクセスしていないブロブに到達した場合にそのブロブ内のオブジェクト（ノード）とクエリとの距離を一括して計算し、各ノードの処理を行う。
具体的には、図１６の検索処理においては、情報処理装置１００Ａは、オブジェクトｓが属するブロブがまだ距離計算していない場合には、以下のすべて（図１６中のステップＳ３０４ａ中の「－」に続けて示す４つの処理。以下「第１の処理」～「第４の処理」とする）を実行する（ステップＳ３０４ａ）。ステップＳ３０４ａにおいて、情報処理装置１００Ａは、そのブロブ内のオブジェクトを一括距離計算する処理（第１の処理）を実行する。また、ステップＳ３０４ａにおいて、情報処理装置１００Ａは、ブロブの距離計算フラグをセットする処理（第２の処理）を実行する。また、ステップＳ３０４ａにおいて、情報処理装置１００Ａは、一括距離計算を行ったブロブ内のすべてのオブジェクトをＣに格納する処理（第３の処理）を実行する。また、ステップＳ３０４ａにおいて、情報処理装置１００Ａは、ブロブのすべてのオブジェクトをｕとして逐一ステップＳ３０７からステップＳ３１４までの処理を行う処理（第４の処理）を実行する。その後、情報処理装置１００Ａは、ステップＳ３０６以降の処理を行う。
〔２－４．変形例〕
ここから、変形例について説明する。第２の実施形態に係る変形例においては、ブロブの概念を含むグラフを用いてもよい。例えば、第２の実施形態に係る変形例においては、ノードからのエッジによる参照先がブロブであるグラフを用いてもよい。なお、第１の実施形態や第２の実施形態と同様の点については、適宜説明を省略する。変形例に係る情報処理装置１００Ａは、グラフ情報記憶部１２２に代えて、グラフ情報記憶部１２２Ａを有する。
〔２－４－１．情報処理〕
まず、図１７を用いて、変形例に係る情報処理の概要を説明する。図１７は、変形例に係る情報処理の一例を示す図である。
情報処理装置１００Ａは、ノード間をエッジで連結したグラフＧＲ２１を、ノードからのエッジによる参照先がブロブであるグラフＧＲ３１に変換する（ステップＳ３１）。すなわち、情報処理装置１００Ａは、図１７に示すように、通常のグラフであるグラフＧＲ２１から、ブロブの概念が導入されたグラフ（ブロブ用グラフ）であるグラフＧＲ３１を生成する。
図１７の例では、情報処理装置１００Ａは、空間情報ＳＰ３１に示すように、ノードからブロブへの有向エッジを含むグラフＧＲ３１を生成する。なお、グラフＧＲ３１においては、各ノード間のエッジについては削除され、グラフＧＲ３１には、ノードからブロブへの有向エッジが含まれ、ノード間のエッジは含まれない。図１７に示す矢印線は、矢元のノードから矢先のブロブへの有向エッジを示す。すなわち、図１７に示す矢印線は、矢元のノードを参照元とし、矢先のブロブを参照先とする有向エッジを示す。例えば、図１７では、ノードＮ１からは、ブロブＢＬ８及びブロブＢＬ１０の２つのブロブへのエッジが連結されることを示す。
例えば、情報処理装置１００Ａは、各ノードのエッジを接続ノード（近傍ノード）へのエッジから接続ノードが属するブロブへのエッジに変換する。なお、情報処理装置１００Ａは、各ノード自身が属するブロブへのエッジは生成しない。図１７の例では、情報処理装置１００Ａは、ノードＮ９とノードＮ１２６は同じブロブＢＬ１に属するため、ノードＮ９からブロブＢＬ１へのエッジ、及びノードＮ１２６からブロブＢＬ１へのエッジは生成しない。一方、図１７の例では、情報処理装置１００Ａは、ノードＮ９とノードＮ１８は異なるブロブＢＬ１、ＢＬ４に属するため、ノードＮ９からブロブＢＬ４へのエッジ、及びノードＮ１８からブロブＢＬ１へのエッジを生成する。
図１７の例では、情報処理装置１００Ａは、空間情報ＳＰ３１に示すように、ノード（オブジェクト）からブロブへの有向エッジを含むグラフＧＲ３１を用いて、検索処理を行う。例えば、情報処理装置１００Ａは、検索クエリＱＥ２を対象として、グラフＧＲ２１を用いた図１９に示すような検索処理を行うことにより、検索クエリＱＥ２の検索結果を得る。図１９に示す検索処理についての詳細は後述する。なお、図１７での検索処理は、ブロブの概念を用いて検索処理を行う点で図１２と共通し、エッジに関連する処理の点以外は、図１２に示す検索処理と同様である。
〔２－４－２．グラフ〕
次に、図１８を用いて、変形例に係るグラフの概要を説明する。図１８は、変形例に係るグラフ情報記憶部の一例を示す図である。例えば、図１８に示すグラフ情報記憶部１２２Ａは、ブロブの概念が導入されたグラフ（ブロブ用グラフ）を記憶する。図１８に示すグラフ情報記憶部１２２Ａは、「ノードＩＤ」、「オブジェクトＩＤ」、および「ブロブ情報」といった項目を有する。このように、変形例に係るグラフ情報記憶部１２２Ａは、「接続ノード情報」に代えて、「ブロブ情報」を有する点で図７のグラフ情報記憶部１２２と相違する。なお、図７のグラフ情報記憶部１２２と同様の点については適宜説明を省略する。
また、「ブロブ情報」は、対応するノードから辿ることができるブロブ（参照先のブロブ）に関する情報を示す。例えば、「ブロブ情報」には、「参照先」といった情報が含まれる。「参照先」は、エッジにより連結され、そのノードから辿ることができる参照先（ブロブ）を識別するための情報を示す。すなわち、図１８の例では、ノードを識別するノードＩＤ（オブジェクトＩＤ）に対して、そのノードからエッジにより辿ることができる参照先（ブロブ）が対応付けられて登録されている。なお、「ブロブ情報」には、参照先に接続されるエッジを識別するための情報（エッジＩＤ）等が含まれてもよい。
図１８の例では、ノードＩＤ「Ｎ１」により識別されるノード（ノードＮ１）は、オブジェクトＩＤ「ＯＢ１」により識別されるオブジェクト（対象）に対応することを示す。また、ノードＮ１からは、ブロブＩＤ「ＢＬ８」により識別されるブロブ（ブロブＢＬ８）にエッジが連結されており、ノードＮ１からブロブＢＬ８へ辿ることができることを示す。また、ノードＮ１からは、ブロブＩＤ「ＢＬ１０」により識別されるブロブ（ブロブＢＬ１０）にエッジが連結されており、ノードＮ１からブロブＢＬ１０へ辿ることができることを示す。
また、ノードＩＤ「Ｎ２」により識別されるノード（ノードＮ２）は、オブジェクトＩＤ「ＯＢ２」により識別されるオブジェクト（対象）に対応することを示す。また、ノードＮ２からは、ブロブＩＤ「ＢＬ５」により識別されるブロブ（ブロブＢＬ５）にエッジが連結されており、ノードＮ１からブロブＢＬ５へ辿ることができることを示す。
なお、グラフ情報記憶部１２２Ａは、上記に限らず、目的に応じて種々の情報を記憶してもよい。
また、グラフは、クエリを入力とし、グラフ中のエッジを辿ることによりノードを探索し、クエリに類似するノードを抽出し出力するプログラムモジュールを含んでもよい。すなわち、グラフは、グラフを用いて検索処理を行うプログラムモジュールとしての利用が想定されるものであってもよい。例えば、グラフＧＲ３１は、クエリとしてベクトルデータが入力された場合に、そのベクトルデータに類似するベクトルデータに対応するノードをグラフ中から抽出し、出力するプログラムであってもよい。例えば、グラフＧＲ３１は、クエリ画像に対応する類似画像を検索するプログラムモジュールとして利用されるデータであってもよい。例えば、グラフＧＲ３１は、入力されたクエリに基づいて、グラフにおいてそのクエリに類似するノードを抽出し、出力するよう、コンピュータを機能させる。
〔２－４－３．検索処理例〕
ここから、変形例に係る検索処理の一例について、図１９を一例として説明する。図１９は、変形例に係る検索処理の一例を示すフローチャートである。以下に説明する検索処理は、情報処理装置１００Ａの検索処理部１３３Ａによって行われる。なお、図１１、図１６等、第１の実施形態または第２の実施形態と同様の点については適宜説明を省略する。例えば、図１９において、図１１と同様の点は同じステップ番号を付すことにより、適宜説明を省略する。
図１９では、集合Ｎ（Ｇ，ｙ）は、ノードｙに付与されているエッジにより関連付けられているブロブの集合である点で、図１１及び図１６の検索処理と相違する。図１９では、Ｎ（Ｇ、ｓ）およびＣはブロブ集合となる。すなわち、図１１での「近傍オブジェクト集合Ｎ」は、図１９では、「ブロブ集合Ｎ」と読み替えられ、図１１での「オブジェクト集合Ｃ」は、図１９では、「ブロブ集合Ｃ」と読み替えられる。また、上記のブロブへの変更に関連する処理における「オブジェクト」の文言は、適宜「ブロブ」と読み替えられる。「Ｇ」は、ブロブの概念が導入されたグラフ（ブロブ用グラフ）データ（例えば、空間情報ＳＰ３１に示すグラフＧＲ３１等）であってもよい。例えば、情報処理装置１００Ａは、ｋ近傍検索処理を実行する。
例えば、図１９に示す検索処理は、図１１からステップＳ３０６の処理が以下のように変更される。図１９の検索処理においては、情報処理装置１００Ａは、Ｎ（Ｇ、ｓ）の中からブロブ集合Ｃに含まれない、ブロブを一つ選択し、選択したブロブをブロブ集合Ｃに格納し、ブロブ内のオブジェクトを一括計算し、その集合をＢ（「対象ブロブ内オブジェクト集合Ｂ」ともいう）とする（ステップＳ３０６）。
また、図１９に示す検索処理は、ステップＳ３０６の後にステップＳ３０６ａに示す処理を行う点で、図１１に示す検索処理と相違する。具体的には、図１９の検索処理においては、情報処理装置１００Ａは、対象ブロブ内オブジェクト集合Ｂからオブジェクトｕを一つ選択する（ステップＳ３０６ａ）。その後、情報処理装置１００Ａは、ステップＳ３０７以降の処理を行う。
また、図１９に示す検索処理は、ステップＳ３１５の前にステップＳ３１４ａに示す処理を行う点で、図１１に示す検索処理と相違する。具体的には、図１９の検索処理においては、情報処理装置１００Ａは、対象ブロブ内オブジェクト集合Ｂから全て選択したか否かを判定する（ステップＳ３１４ａ）。
対象ブロブ内オブジェクト集合Ｂから全て選択し終えた場合（ステップＳ３１４ａ：Ｙｅｓ）、情報処理装置１００Ａは、ステップＳ３１５の処理を行う。一方、対象ブロブ内オブジェクト集合Ｂから全て選択し終えていない場合（ステップＳ３１４ａ：Ｎｏ）、情報処理装置１００Ａは、ステップＳ３０６ａに戻って処理を繰り返す。
〔２－４－４．生成処理の他の例〕
上述した例では、各ノードのエッジを接続ノードへのエッジから接続ノードが属するブロブへのエッジに変換してブロブ用グラフを生成する場合を示したが、情報処理装置１００Ａは、様々な情報を適宜用いて、ブロブ用グラフを生成してもよい。例えば、情報処理装置１００Ａは、複数のオブジェクトを検索対象とする近傍検索インデックス（単に「インデックス」ともいう）を用いて、ブロブ用グラフを生成してもよい。なお、上述した内容と同様の点については適宜説明を省略する。
ブロブ用グラフの生成の一例について図２０を用いて説明する。図２０は、変形例に係る情報処理の他の一例を示す図である。なお、以下では、インデックスの一例としてグラフを用いる場合を一例として説明するが、インデックスは、複数のオブジェクトを検索対象とするものであればどのようなものであってもよい。例えば、インデックスは、ハッシュテーブル等のハッシュに関する記述を利用したインデックス（ハッシュインデックス）、木構造を有するインデックス（ツリーインデックス）等であってもよい。
また、オブジェクトまたはそのオブジェクトに対応するノード（「オブジェクトノード」ともいう）を示す情報を第１情報と記載し、複数のオブジェクトを分類するために用いる情報を第２情報と記載する場合がある。また、ブロブを示す情報を第３情報と記載し、オブジェクトノードをエッジで連結したグラフを第４情報と記載する場合がある。例えば、図２０中のグラフＧＲ２１は、オブジェクトノードであるノードＮ１等がエッジで連結されており、第４情報に対応する。また、図１７中のグラフＧＲ３１及び図２０中のグラフＧＲ３２は、第４情報とは異なり、オブジェクトノードとブロブとがエッジが連結されたブロブ用グラフ（「グループグラフ」ともいう）である。すなわち、グループグラフは、オブジェクトノードからブロブへエッジが連結され、オブジェクトノードを参照元とし、ブロブ（グループ）を参照先とするグラフである。
情報処理装置１００Ａは、オブジェクトノード間がエッジで連結したグラフＧＲ２１をインデックス（第４情報）として用いて、オブジェクトノードからのエッジによる参照先がブロブとなるグループグラフであるグラフＧＲ３２を生成する（ステップＳ４１）。図２０では、情報処理装置１００Ａは、空間情報ＳＰ３２に示すように、ノードからブロブへの有向エッジを含むグラフＧＲ３２を生成する。
例えば、情報処理装置１００Ａは、複数のオブジェクトから一のオブジェクトを選択し、グラフＧＲ２１を用いて一のオブジェクトの近傍オブジェクトを検索し、一のオブジェクトに対応する一のオブジェクトノードから、近傍オブジェクトが属する他のグループへエッジを連結する連結処理により、グラフＧＲ３２を生成する。例えば、情報処理装置１００Ａは、複数のオブジェクトからランダムに一のオブジェクトを選択し、選択した一のオブジェクトを対象に連結処理を行い、グラフＧＲ３２を生成する。
例えば、情報処理装置１００Ａは、以下のような処理（１－１）～（１－４）を行い、グラフＧＲ３２を生成する。なお、オブジェクトは、オブジェクトに対応するノードと読み替えてもよい。
（１－１）：ランダムでオブジェクトＮＸを取得（選択）
（１－２）：オブジェクトＮＸの近傍オブジェクトを定数ｋ件検索
（１－３）：各近傍オブジェクトの属するブロブを取得
（１－４）：オブジェクトＮＸから取得したブロブへのエッジを生成
例えば処理（１－１）では、情報処理装置１００Ａは、オブジェクト情報記憶部１２１に記憶された複数のオブジェクトからランダムに一のオブジェクトＮＸを取得する。
例えば処理（１－２）では、情報処理装置１００Ａは、図１１に示すような検索処理を、オブジェクトＮＸを対象（クエリ）とし、グラフＧＲ２１を用いて行うことにより、ｋ件（個）のオブジェクトをオブジェクトＮＸの近傍オブジェクトとして抽出する。
例えば処理（１－３）では、情報処理装置１００Ａは、ブロブ情報記憶部１２５に記憶されたブロブの情報を参照し、オブジェクトＮＸの近傍オブジェクト（ノード）が対応付けられたブロブを取得する。
例えば処理（１－４）では、情報処理装置１００Ａは、オブジェクトＮＸから取得したブロブへのエッジを生成する。例えば、情報処理装置１００Ａは、量子化情報記憶部１２３Ａ中のオブジェクトＮＸに取得したブロブを示す情報を対応付けることにより、グラフＧＲ３２を生成する。
例えば、情報処理装置１００Ａは、上記の処理（１－１）～（１－４）を、処理対象となるオブジェクトが無くなるまで繰り返し行い、グラフＧＲ３２を生成する。なお、空間情報ＳＰ２１に示すブロブを検索により生成している場合、ブロブの生成の際の検索結果を流用して、グラフＧＲ３２を生成してもよい。なお、ブロブを検索により生成する例については後述する。
例えば、情報処理装置１００Ａは、空間情報ＳＰ３２に示すように、ノード（オブジェクト）からブロブへの有向エッジを含むグラフＧＲ３２を用いて、検索処理を行う。例えば、情報処理装置１００Ａは、検索クエリＱＥ２を対象として、グラフＧＲ３２を用いた図１９に示すような検索処理を行うことにより、検索クエリＱＥ２の検索結果を得る。
また、上述した例では、クラスタリングによりブロブを生成する場合を示したが、ブロブは、クラスタリングに限らず、様々な方法により生成されてもよい。例えば、情報処理装置１００Ａは、インデックス等の第２情報を用いて、ブロブを示す情報（第３情報）を生成してもよい。
情報処理装置１００Ａは、図２１に示すような、グラフＧＲ２１をインデックスとして用いて、ブロブを示す第３情報を生成する。図２１は、ブロブ情報の生成処理の一例を示す図である。図２１の空間情報ＳＰ２０は、空間情報ＳＰ２１中のブロブの情報が生成される前の状態を示し、図２１のグラフＧＲ２１は、図２０のグラフＧＲ２１と同様のグラフである。なお、図２１に示す処理は、後述する第１方法の一部を示すものであるが、詳細は後述する。
例えば、情報処理装置１００Ａは、グラフＧＲ２１を用いた検索により、複数のオブジェクトを複数のブロブに分類する第３情報を生成する。例えば、情報処理装置１００Ａは、グラフＧＲ２１中の複数のノードから一のノード（「処理対象ノード」ともいう）を選択し、処理対象ノードにエッジで連結されたノードである近傍ノードのうち少なくとも一部のノードである分類対象ノード、及び処理対象ノードの各々に対応するオブジェクト群を一のグループに分類する分類処理により、第３情報を生成する。例えば、情報処理装置１００Ａは、複数のノードから所定の処理により処理対象ノードを選択し、選択した処理対象ノードを対象に分類処理を行い、第３情報を生成する。
例えば、情報処理装置１００Ａは、ノードにエッジで連結された近傍ノード（接続ノード）の数に基づいて処理対象ノードを選択してもよい。例えば、情報処理装置１００Ａは、近傍ノードの数が大きい方から順に処理対象ノードを選択してもよい。近傍ノードの数が大きい方から順に処理対象ノードを選択し、ブロブを示す第３情報を生成する方法を「第１方法」ともいう。また、例えば、情報処理装置１００Ａは、近傍ノード（接続ノード）の数が小さい方から順に処理対象ノードを選択してもよい。近傍ノードの数が小さい方から順に処理対象ノードを選択し、ブロブを生成する方法を「第２方法」ともいう。また、例えば、情報処理装置１００Ａは、ランダムに処理対象ノードを選択してもよい。ランダムに処理対象ノードを選択し、ブロブを示す第３情報を生成する方法を「第３方法」ともいう。以下では、第１方法、第２方法、及び第３方法の各々の処理手順の概要を説明する。
〔２－４－４－１．第１方法〕
まず、第１方法について説明する。例えば、第１方法の場合、情報処理装置１００Ａは、以下のような処理（２－１）～（２－３）を行い、ブロブを示す第３情報を生成する。
（２－１）：各ノードの近傍ノード数（エッジ数）が大きいものからノードＮＤを取得
（２－２）：ノードＮＤの近傍ノード及びノードＮＤを一のブロブとする
（２－３）：ブロブとしたノード及びそのノードのエッジを削除
例えば、情報処理装置１００Ａは、処理（２－１）～（２－３）を、すべてのノードにおいて実施する。
例えば、処理（２－１）では、情報処理装置１００Ａは、グラフＧＲ２１を参照し、一のノードＮＤを順次取得する。情報処理装置１００Ａは、近傍ノードの数が大きい方から順に並べられたノードの一覧情報を用いて、一のノードＮＤを取得してもよい。
例えば処理（２－２）では、情報処理装置１００Ａは、処理対象となっているグラフ（グラフＧＲ２１等）を参照し、ノードＮＤの近傍ノード及びノードＮＤを一のブロブとする情報を生成する。なお、情報処理装置１００Ａは、すべての近傍ノードをブロブとするのではなく定数Ｋ以下の近傍ノードをブロブとしても良い。例えば、情報処理装置１００Ａは、ノードＮＤの全近傍ノードをノードＮＤとともにブロブとするのではなく、近傍ノードのうちＫ個の近傍ノード及びノードＮＤを一のブロブとしてもよい。
例えば処理（２－３）では、情報処理装置１００Ａは、ノードが重複して選択されないように、処理（２－２）においてブロブとしたノード及びそのノードのエッジを削除する。例えば、情報処理装置１００Ａは、ブロブとしたノードが他のノードの近傍ノードであれば、その（エッジおよび）ノードを削除する。なお、上記の方法は一例に過ぎず、処理（２－３）は、エッジ等を削除する方法に限らず、ブロブを生成可能であればどのような方法であってもよい。例えば、情報処理装置１００Ａは、既にブロブに属しているノードのリストを保持して、除外するノードを管理する方法により、ブロブの生成を行ってもよい。例えば、情報処理装置１００Ａは、ブロブとしたノードに所定のフラグ（削除フラグ等）を立てることにより、既にブロブに属しているノードを管理してもよい。このように、フラグを用いる場合、情報処理装置１００Ａは、処理の際に各ノードのフラグを参照して、そのノードを処理対象とするかを判定する。
上述した第１方法の具体例について図２１を用いて説明する。図２１では、情報処理装置１００Ａは、グラフＧＲ２１のうち、近傍ノードの数が最大の４個であるノードＮ７を取得する（ステップＳ５１）。図２１では、グラフＧＲ２１のうちノードＮ１も近傍ノードの数が４個であるが、情報処理装置１００Ａは、ノードＮ７を取得するものとする。なお、近傍ノードの数が同数のノードが複数ある場合、情報処理装置１００Ａは、その複数のノードからランダムにノードを取得してもよい。
そして、情報処理装置１００Ａは、ノードＮ７の近傍ノードであるノードＮ９、Ｎ１２、Ｎ５４、Ｎ１２６の４個のノード及びノードＮ７の５個のノードを一のブロブＢＬ１１とする（ステップＳ５２）。情報処理装置１００Ａは、ノードＮ７、Ｎ９、Ｎ１２、Ｎ５４、Ｎ１２６の５個のノードが一のブロブＢＬ１１に属することを示す第３情報ＢＬＴ１を生成する。そして、情報処理装置１００Ａは、ノードＮ７、Ｎ９、Ｎ１２、Ｎ５４、Ｎ１２６の５個のノード及び各ノードのエッジをグラフＧＲ２１から削除する。これにより、空間情報ＳＰ２０－１に示すように、グラフＧＲ２１はグラフＧＲ２１－１に更新される。
そして、情報処理装置１００Ａは、グラフＧＲ２１のうち、近傍ノードの数が４個であるノードＮ１を取得する（ステップＳ５３）。そして、情報処理装置１００Ａは、ノードＮ１の近傍ノードであるノードＮ４、Ｎ５、Ｎ８８、Ｎ９９の４個のノード及びノードＮ１の５個のノードを一のブロブＢＬ１２とする（ステップＳ５４）。情報処理装置１００Ａは、ノードＮ１、Ｎ４、Ｎ５、Ｎ８８、Ｎ９９の５個のノードが一のブロブＢＬ１２に属することを示す第３情報ＢＬＴ２を生成する。そして、情報処理装置１００Ａは、ノードＮ１、Ｎ４、Ｎ５、Ｎ８８、Ｎ９９の５個のノード及び各ノードのエッジをグラフＧＲ２１－１から削除する。
情報処理装置１００Ａは、上述した処理を処理対象となるノードが無くなるまで繰り返し、複数のブロブを示す第３情報を生成する。
〔２－４－４－２．第２方法〕
次に、第２方法について説明する。例えば、第２方法の場合、情報処理装置１００Ａは、以下のような処理（３－１）～（３－３）を行い、ブロブを示す第３情報を生成する。
（３－１）：各ノードの近傍ノード数（エッジ数）が小さいものからノードＮＤを取得
（３－２）：ノードＮＤの近傍ノード及びノードＮＤを一のブロブとする
（３－３）：ブロブとしたノード及びそのノードのエッジを削除
例えば、情報処理装置１００Ａは、処理（３－１）～（３－３）を、すべてのノードにおいて実施する。
例えば、処理（３－１）では、情報処理装置１００Ａは、グラフＧＲ２１を参照し、一のノードＮＤを順次取得する。情報処理装置１００Ａは、近傍ノードの数が小さい方から順に並べられたノードの一覧情報を用いて、一のノードＮＤを取得してもよい。
例えば処理（３－２）では、情報処理装置１００Ａは、処理対象となっているグラフ（グラフＧＲ２１等）を参照し、ノードＮＤの近傍ノード及びノードＮＤを一のブロブとする情報を生成する。なお、情報処理装置１００Ａは、すべての近傍ノードをブロブとするのではなく定数Ｋ以下の近傍ノードをブロブとしても良い。例えば、情報処理装置１００Ａは、ノードＮＤの全近傍ノードをノードＮＤとともにブロブとするのではなく、近傍ノードのうちＫ個の近傍ノード及びノードＮＤを一のブロブとしてもよい。
例えば処理（３－３）では、情報処理装置１００Ａは、ノードが重複して選択されないように、処理（３－２）においてブロブとしたノード及びそのノードのエッジを削除する。例えば、情報処理装置１００Ａは、ブロブとしたノードが他のノードの近傍ノードであれば、その（エッジおよび）ノードを削除する。なお、第２方法は、ノードの取得順が近傍ノード数（エッジ数）が小さい方から順である点以外は、第１方法と同様であるため、具体例等についての説明は省略する。例えば、処理（３－３）は、第１方法と同様に、エッジ等を削除する方法に限らず、ブロブを生成可能であればどのような方法であってもよい。例えば、情報処理装置１００Ａは、第１方法と同様に、既にブロブに属しているノードのリストを保持して、除外するノードを管理する方法により、ブロブの生成を行ってもよい。
〔２－４－４－３．第３方法〕
次に、第３方法について説明する。例えば、第３方法の場合、情報処理装置１００Ａは、以下のような処理（４－１）～（４－３）を行い、ブロブを示す第３情報を生成する。
（４－１）：ランダムにノードＮＤを順次取得
（４－２）：ノードＮＤの近傍ノード及びノードＮＤを一のブロブとする
（４－３）：ブロブとしたノード及びそのノードのエッジを削除
例えば、情報処理装置１００Ａは、処理（４－１）～（４－３）を、すべてのノードにおいて実施する。なお、第３方法は、ノードの取得順がランダムである点以外は、第１方法及び第２方法と同様であり詳細な説明は省略する。例えば、情報処理装置１００Ａは、すべて同じエッジ数であればランダム順（第３方法）で第３情報の生成を実行してもよい。
〔２－４－４－４．第４方法〕
なお、上述した第１方法～第３方法は一例に過ぎず、情報処理装置１００Ａは、様々な処理によりブロブを生成してもよい。例えば、情報処理装置１００Ａは、複数のオブジェクトを検索対象とする近傍検索インデックス（インデックス）を用いた検索によりブロブを生成してもよい。インデックスを用いた検索によりブロブを生成する方法を「第４方法」ともいう。
以下、第４方法について説明する。なお、上述した内容と同様の点については適宜説明を省略する。以下では、インデックスの一例としてグラフを用いる場合を一例として説明するが、上述したようにインデックスは、複数のオブジェクトを検索対象とするものであればどのようなものであってもよい。例えば、インデックスは、ハッシュインデックス、ツリーインデックス等、どのようなインデックスであってもよい。
ここから、図２１に示すようなグラフＧＲ２１をインデックスとして用いた検索により、情報処理装置１００Ａがブロブを示す第３情報を生成する場合を説明する。例えば、情報処理装置１００Ａは、以下のような処理（５－１）～（５－４）を行い、グラフＧＲ３２を生成する。
（５－１）：ランダムでオブジェクトＮＸを取得（選択）
（５－２）：オブジェクトＮＸの近傍オブジェクトを定数ｋ件検索
（５－３）：オブジェクトＮＸの近傍オブジェクト及びオブジェクトＮＸを一のブロブとする
（５－４）：重複処理回避用の処理を実行
例えば処理（５－１）では、情報処理装置１００Ａは、グラフＧＲ２１からランダムに一のオブジェクトＮＸを取得する。
例えば処理（５－２）では、情報処理装置１００Ａは、図１１に示すような検索処理を、オブジェクトＮＸを対象（クエリ）とし、グラフＧＲ２１を用いて行うことにより、ｋ件（個）のオブジェクトをオブジェクトＮＸの近傍オブジェクトとして抽出する。なお、情報処理装置１００Ａは、すべてのオブジェクトをスキャン（検索）して、オブジェクトＮＸの近傍オブジェクトを抽出してもよい。
例えば処理（５－３）では、情報処理装置１００Ａは、オブジェクトＮＸの近傍オブジェクトの近傍ノード及びオブジェクトＮＸを一のブロブとする情報を生成する。
例えば処理（５－４）では、情報処理装置１００Ａは、一のオブジェクトが重複して検索されたりする等により複数のブロブに属することとならないように、重複処理回避用の処理を実行する。例えば、情報処理装置１００Ａは、ブロブとしたオブジェクトをインデックスから削除する。例えば、情報処理装置１００Ａは、ブロブとしたオブジェクトをグラフＧＲ２１から削除する。
なお、情報処理装置１００Ａは、上記に限らず、一のオブジェクトが複数のブロブに属することとならなければ、どのような方法により重複処理回避用の処理を行ってもよい。例えば、情報処理装置１００Ａは、ブロブとしたオブジェクトに所定のフラグ（削除フラグ等）を立てることにより、既にブロブに属しているオブジェクトが処理対象となることを抑制してもよい。このように、フラグを用いる場合、情報処理装置１００Ａは、処理の際に各オブジェクトのフラグを参照して、そのオブジェクトを処理対象とするかを判定する。例えば、情報処理装置１００Ａは、上述したグループグラフの生成に検索結果を利用する場合には、フラグを用いた方法により重複処理回避用の処理を行ってもよい。
〔２－４－５．変形例に係る情報処理装置〕
第２の実施形態の変形例に係る情報処理装置１００Ａにおいて取得部１３１は、以下の処理も行う。取得部１３１は、データ検索の対象となる複数のオブジェクトを示す第１情報と、複数のオブジェクトを分類するために用いる第２情報とを取得する。取得部１３１は、複数のオブジェクトを検索対象とするインデックスである第２情報を取得する。取得部１３１は、複数のオブジェクトの各々に対応する複数のノードがエッジにより連結されたグラフである第２情報を取得する。取得部１３１は、複数のオブジェクトを検索対象とするインデックスである第４情報を取得する。取得部１３１は、複数のオブジェクトの各々に対応する複数のオブジェクトノードがエッジにより連結されたグラフである第４情報を取得する。
また、第２の実施形態の変形例に係る情報処理装置１００Ａにおいて生成部１３２Ａは、以下の処理も行う。生成部１３２Ａは、取得部１３１により取得された第２情報を用いて、第１情報が示す複数のオブジェクトを分類し、複数のオブジェクトを対象とする検索処理において一括処理を行うために用いられる複数のグループを示す第３情報を生成する。生成部１３２Ａは、第２情報を用いて、複数のオブジェクトを複数のグループに分類する第３情報を生成する。生成部１３２Ａは、第２情報を用いた検索により、複数のオブジェクトを複数のグループに分類する第３情報を生成する。
生成部１３２Ａは、グラフ中の複数のノードから一のノードを選択し、一のノードにエッジで連結されたノードである近傍ノードのうち少なくとも一部のノードである分類対象ノード、及び一のノードの各々に対応するオブジェクト群を一のグループに分類する分類処理により、第３情報を生成する。生成部１３２Ａは、一のノードの近傍ノードのうち所定の数のノードである分類対象ノード、及び一のノードの各々に対応するオブジェクト群を一のグループに分類する分類処理により、第３情報を生成する。生成部１３２Ａは、一のノードの近傍ノードの全てである分類対象ノード、及び一のノードの各々に対応するオブジェクト群を一のグループに分類する分類処理により、第３情報を生成する。
生成部１３２Ａは、複数のノードの各々にエッジで連結されたノードである近傍ノードの数に基づいて、複数のノードから一のノードを選択し、一のノードの分類対象ノード及び一のノードの各々に対応するオブジェクト群を一のグループに分類する分類処理により、第３情報を生成する。生成部１３２Ａは、近傍ノードの数が大きい方から順に一のノードを選択し、一のノードの分類対象ノード及び一のノードの各々に対応するオブジェクト群を一のグループに分類する分類処理により、第３情報を生成する。生成部１３２Ａは、近傍ノードの数が小さい方から順に一のノードを選択し、一のノードの分類対象ノード及び一のノードの各々に対応するオブジェクト群を一のグループに分類する分類処理により、第３情報を生成する。
生成部１３２Ａは、複数のノードからランダムに一のノードを選択し、一のノードの分類対象ノード及び一のノードの各々に対応するオブジェクト群を一のグループに分類する分類処理により、第３情報を生成する。生成部１３２Ａは、一のグループに分類された一のノードの分類対象ノード及び一のノードである処理済みノード群をグラフから除外し、処理済みノード群を除外した後のグラフを用いて、分類処理を繰り返すことにより、第３情報を生成する。生成部１３２Ａは、処理済みノード群を除外した後のグラフを用いて、分類処理を複数のオブジェクトがいずれかのグループに分類されるまで繰り返すことにより、第３情報を生成する。生成部１３２Ａは、各々に属するオブジェクトが相互に排他的な複数のグループを示す第３情報を生成する。
生成部１３２Ａは、第４情報を用いて、複数のオブジェクトのうち少なくとも一部のオブジェクトに対応するノードであるオブジェクトノードから、複数のグループのうち、オブジェクトノードが属するグループ以外の他のグループへエッジが連結されたグループグラフを生成する。生成部１３２Ａは、複数のオブジェクトから一のオブジェクトを選択し、第４情報を用いて複数のオブジェクトを対象に、一のオブジェクトの近傍オブジェクトを検索し、一のオブジェクトに対応する一のオブジェクトノードから、近傍オブジェクトが属する他のグループへエッジを連結する連結処理により、グループグラフを生成する。生成部１３２Ａは、複数のオブジェクトからランダムに一のオブジェクトを選択し、一のオブジェクトの近傍オブジェクトを検索し、一のオブジェクトに対応する一のオブジェクトノードから、近傍オブジェクトが属する他のグループへエッジを連結する連結処理により、グループグラフを生成する。生成部１３２Ａは、第４情報を用いて、グループグラフを生成する。
〔２－４－６．情報処理のフロー〕
次に、図２２を用いて、変形例に係る情報処理の手順について説明する。図２２は、変形例に係る情報処理の一例を示すフローチャートである。
図２２に示すように、情報処理装置１００Ａは、データ検索の対象となる複数のオブジェクトを示す第１情報を取得する（ステップＳ４０１）。例えば、情報処理装置１００Ａは、オブジェクト情報記憶部１２１から複数のオブジェクトを示す第１情報を取得する。
また、情報処理装置１００Ａは、複数のオブジェクトを分類するために用いる第２情報を取得する（ステップＳ４０２）。例えば、情報処理装置１００Ａは、グラフ情報記憶部１２２Ａからグラフを第２情報として取得する。
そして、情報処理装置１００Ａは、第２情報を用いて、第１情報が示す複数のオブジェクトを分類し、複数のオブジェクトを対象とする検索処理において一括処理を行うために用いられる複数のグループを示す第３情報を生成する（ステップＳ４０３）。例えば、情報処理装置１００Ａは、各々に属するオブジェクトが相互に排他的な複数のブロブを示す第３情報を生成する。
〔３．第３の実施形態〕
上述した例では、オブジェクトに対応するノード（オブジェクトノード）間をエッジで連結したグラフ（「オブジェクトグラフ」ともいう）、オブジェクトノードとグループ（ブロブ）間をエッジで連結したグラフ（ブロブ用グラフ）の２種類のグラフを用いる説明したが、情報処理システム１は様々な種類のグラフを用いてもよい。例えば、情報処理システム１は、オブジェクトグラフ及びブロブ用グラフとは異なり、グループ（ブロブ）間を連結したグラフ（以下「グループ連結グラフ」または「ブロブ連結グラフ」ともいう）を生成し、ブロブ連結グラフを検索に用いてもよい。
この点について、以下、第３の実施形態として説明する。第３の実施形態においては、情報処理システム１は、情報処理装置１００または情報処理装置１００Ａに代えて、情報処理装置１００Ｂを有する。なお、第１の実施形態及び第２の実施形態等において上述した内容と同様の点については適宜説明を省略する。
情報処理装置１００Ｂは、インデックス（インデックス情報）を用いて、一のオブジェクトが属する第１グループ（第１ブロブ）ら、一のオブジェクトの近傍オブジェクトが属する第２グループ（第２ブロブ）へエッジが連結されたグループ連結グラフを生成する。以下では、インデックスの一例としてグラフを用いる場合を一例として説明するが、上述したようにインデックスは、複数のオブジェクトを検索対象とするものであればどのようなものであってもよい。例えば、インデックスは、ハッシュインデックス、ツリーインデックス等、どのようなインデックスであってもよい。
〔３－１．情報処理〕
まず、図２３を用いて、第３の実施形態に係る情報処理の概要を説明する。図２３は、第３の実施形態に係る情報処理の一例を示す図である。
図２３の例では、情報処理装置１００Ｂは、空間情報ＳＰ２１に示すようなグラフＧＲ２１を取得済みであるものとする。なお、情報処理装置１００Ｂは、グラフ生成に関する様々な技術を適宜用いて、グラフＧＲ２１を生成してもよい。グラフＧＲ２１は図１２等で示すグラフＧＲ２１と同様であるため説明を省略する。
情報処理装置１００Ｂは、任意の方法により、ブロブＢＬ１～ＢＬ１０等を示す情報を生成する。情報処理装置１００Ｂは、ｋ－ｍｅａｎｓ等の任意のクラスタリングにより各ノードをブロブＢＬ１～ＢＬ１０のいずれかに分類してもよい。なお、情報処理装置１００Ｂは、ブロブを生成可能であれば、どのような方法によりブロブを生成してもよい。例えば、情報処理装置１００Ｂは、上述した第１方法～第４方法のいずれかの方法によりブロブＢＬ１～ＢＬ１０等を示す情報を生成してもよい。
情報処理装置１００Ｂは、空間情報ＳＰ２１に示すようなグラフＧＲ２１及びブロブの情報を用いて、ブロブ連結グラフを生成する（ステップＳ６１）。図２３の例では、情報処理装置１００Ｂは、空間情報ＳＰ４１に示すように、ブロブ（第１ブロブ）と他のブロブ（第２ブロブ）との間をエッジで連結したブロブ連結グラフであるグラフＧＲ４１を生成する。図２３に示す矢印線は、矢元のブロブ（第１ブロブ）から矢先のブロブ（第２ブロブ）への有向エッジを示す。すなわち、図２３に示す矢印線は、矢元のブロブを参照元とし、矢先のブロブを参照先とする有向エッジを示す。例えば、図２３では、ブロブＢＬ１からは、ブロブＢＬ２、ブロブＢＬ３、ブロブＢＬ４、ブロブＢＬ５及びブロブＢＬ８の５つのブロブへのエッジが連結されることを示す。
例えば、情報処理装置１００Ｂは、グラフＧＲ２１を検索し、検索結果を基にグラフＧＲ４１を生成する。例えば、情報処理装置１００Ｂは、以下のような処理（６－１）～（６－４）を行い、ブロブ連結グラフであるグラフＧＲ４１を生成する。なお、以下のオブジェクトは、オブジェクトに対応するノードと読み替えてもよい。
（６－１）：ランダムでオブジェクトＮＸを取得（選択）
（６－２）：オブジェクトＮＸの近傍オブジェクトを定数ｋ件検索
（６－３）：各近傍オブジェクトの属するブロブを取得
（６－４）：オブジェクトＮＸが属するブロブから取得したブロブへのエッジを生成
例えば処理（６－１）では、情報処理装置１００Ｂは、オブジェクト情報記憶部１２１に記憶された複数のオブジェクトからランダムに一のオブジェクトＮＸを取得する。
例えば処理（６－２）では、情報処理装置１００Ｂは、図１１に示すような検索処理を、オブジェクトＮＸを対象（クエリ）とし、グラフＧＲ２１を用いて行うことにより、ｋ件（個）のオブジェクトをオブジェクトＮＸの近傍オブジェクトとして抽出する。
例えば処理（６－３）では、情報処理装置１００Ｂは、ブロブ情報記憶部１２５に記憶されたブロブの情報を参照し、オブジェクトＮＸの近傍オブジェクト（ノード）が対応付けられたブロブを取得する。
例えば処理（６－４）では、情報処理装置１００Ｂは、オブジェクトＮＸが属するブロブから取得したブロブへのエッジを生成する。情報処理装置１００Ｂは、オブジェクトＮＸが属するブロブからすべての近傍オブジェクトの属するブロブへのエッジを生成する。例えば、情報処理装置１００Ｂは、オブジェクトＮＸが属するブロブの参照先として取得したブロブを示す情報（ブロブＩＤ）を、オブジェクトＮＸが属するブロブを示す情報（ブロブＩＤ）に対応付けて、ブロブ連結グラフ情報記憶部１２６に登録することにより、グラフＧＲ４１を生成する。
例えば、情報処理装置１００Ｂは、上記の処理（６－１）～（６－４）を、処理対象となるオブジェクトが無くなるまで繰り返し行い、グラフＧＲ４１を生成する。なお、情報処理装置１００Ｂは、ブロブＸの参照先としてブロブＹが登録済みの場合、ブロブＸに属するオブジェクトの近傍オブジェクトとして、ブロブＹに属するオブジェクトが再度検索（抽出）されても、登録をスキップして各ブロブの参照先に同じブロブが重複して登録されることを抑制してもよい。
例えば、情報処理装置１００Ｂは、空間情報ＳＰ４１に示すように、ブロブ間をエッジで連結するグラフＧＲ４１を用いて検索処理を行う。例えば、情報処理装置１００Ｂは、検索クエリＱＥ２を対象として、ブロブ連結グラフであるグラフＧＲ４１を用いた図２７及び図２８に示すような検索処理を行うことにより、検索クエリＱＥ２の検索結果を得る。
上述したブロブ連結グラフの生成方法は一例に過ぎず、情報処理装置１００Ｂは、様々な方法によりブロブ連結グラフを生成してもよい。例えば、情報処理装置１００Ｂは、グラフを検索することなく、ブロブ連結グラフを生成してもよい。空間情報ＳＰ２１に示すブロブを検索により生成している場合、ブロブの生成の際の検索結果を流用して、グラフＧＲ４１等のブロブ連結グラフを生成してもよい。
例えば、情報処理装置１００Ｂは、グラフＧＲ２１でのオブジェクトノードの接続関係を、オブジェクトノードが属するブロブの接続関係に変換して、ブロブ連結グラフを生成してもよい。例えば、ブロブＢＬ９に属するノードＮ１からはブロブＢＬ８に属するノードＮ８８及びブロブＢＬ１０に属するノードにエッジが連結されており、ブロブＢＬ９に属するノードＮ４からはブロブＢＬ７に属するノードにエッジが連結されている。そのため、情報処理装置１００Ｂは、ブロブＢＬ９から、ブロブＢＬ７、ブロブＢＬ８及びブロブＢＬ１０の３つのブロブへのエッジが連結されたブロブ連結グラフを生成する。このように、情報処理装置１００Ｂは、オブジェクトノード間を連結するエッジを基に、ブロブ間をエッジで連結するブロブ連結グラフを生成してもよい。
〔３－２．情報処理装置の構成〕
次に、図２４を用いて、第３の実施形態に係る情報処理装置１００Ｂの構成について説明する。図２４は、第３の実施形態に係る情報処理装置の構成例を示す図である。図２４に示すように、情報処理装置１００Ｂは、通信部１１０と、記憶部１２０Ｂと、制御部１３０Ｂとを有する。なお、情報処理装置１００Ｂにおいて、情報処理装置１００または情報処理装置１００Ａと同様の点は適宜説明を省略する。
（記憶部１２０Ｂ）
記憶部１２０Ｂは、例えば、ＲＡＭ、フラッシュメモリ等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。第３の実施形態に係る記憶部１２０Ｂは、図２４に示すように、オブジェクト情報記憶部１２１と、グラフ情報記憶部１２２と、量子化情報記憶部１２３と、コードブック情報記憶部１２４と、ブロブ情報記憶部１２５と、ブロブ連結グラフ情報記憶部１２６とを有する。
（ブロブ連結グラフ情報記憶部１２６）
第３の実施形態に係るブロブ連結グラフ情報記憶部１２６は、ブロブ連結グラフに関する各種情報を記憶する。例えば、ブロブ連結グラフ情報記憶部１２６は、生成したブロブ連結グラフを記憶する。図２５は、第３の実施形態に係るブロブ連結グラフ情報記憶部の一例を示す図である。図２５に示すブロブ連結グラフ情報記憶部１２６は、「ブロブＩＤ」および「接続ブロブ情報」といった項目を有する。
「ブロブＩＤ」は、グラフにおける各ブロブ（グループ）を識別するための識別情報を示す。「接続ブロブ情報」は、対応するブロブから辿ることができるブロブ（参照先のブロブ）に関する情報を示す。例えば、「接続ブロブ情報」には、「参照先」といった情報が含まれる。「参照先」は、エッジにより連結され、そのブロブから辿ることができる参照先（ブロブ）を識別するための情報を示す。すなわち、図２５の例では、ブロブを識別するブロブＩＤに対して、そのブロブからエッジにより辿ることができる参照先（ブロブ）が対応付けられて登録されている。なお、「接続ブロブ情報」には、参照先に接続されるエッジを識別するための情報（エッジＩＤ）等が含まれてもよい。
図２５の例では、ブロブＩＤ「ＢＬ１」により識別されるブロブ（ブロブＢＬ１）からは、ブロブＩＤ「ＢＬ２」、「ＢＬ３」、「ＢＬ４」、「ＢＬ５」、「ＢＬ８」の各々により識別される５つのブロブにエッジが連結されていることを示す。すなわち、ブロブＢＬ１からは、ブロブＢＬ２、ＢＬ３、ＢＬ４、ＢＬ５、ＢＬ８の５つのブロブの各々へ辿ることができることを示す。
なお、ブロブ連結グラフ情報記憶部１２６は、上記に限らず、目的に応じて種々の情報を記憶してもよい。また、ブロブ連結グラフは、クエリを入力とし、ブロブ連結グラフ中のエッジを辿ることによりオブジェクト（オブジェクトノード）を探索し、クエリに類似するオブジェクトを抽出し出力するプログラムモジュールを含んでもよい。すなわち、ブロブ連結グラフは、ブロブ連結グラフを用いて検索処理を行うプログラムモジュールとしての利用が想定されるものであってもよい。例えば、ブロブ連結グラフであるグラフＧＲ４１は、クエリとしてベクトルデータが入力された場合に、そのベクトルデータに類似するベクトルデータに対応するオブジェクトをブロブ連結グラフにより抽出し、出力するプログラムであってもよい。例えば、グラフＧＲ４１は、クエリ画像に対応する類似画像を検索するプログラムモジュールとして利用されるデータであってもよい。例えば、グラフＧＲ４１は、入力されたクエリに基づいて、ブロブ連結グラフにおいてそのクエリに類似するオブジェクトを抽出し、出力するよう、コンピュータを機能させる。
（制御部１３０Ｂ）
図２４の説明に戻って、制御部１３０Ｂは、コントローラ（controller）であり、例えば、ＣＰＵやＭＰＵやＧＰＵ等によって、情報処理装置１００Ｂ内部の記憶装置に記憶されている各種プログラム（情報処理プログラムの一例に相当）がＲＡＭを作業領域として実行されることにより実現される。また、制御部１３０Ｂは、コントローラであり、例えば、ＡＳＩＣやＦＰＧＡ等の集積回路により実現される。
図２４に示すように、制御部１３０Ｂは、取得部１３１と、生成部１３２Ｂと、検索処理部１３３Ｂと、提供部１３４とを有し、以下に説明する情報処理の機能や作用を実現または実行する。なお、制御部１３０Ｂの内部構成は、図２４に示した構成に限られず、後述する情報処理を行う構成であれば他の構成であってもよい。
第３の実施形態に係る取得部１３１は、データ検索の対象となる複数のオブジェクトが分類された複数のブロブを示すブロブ情報と、複数のオブジェクトを検索対象とするインデックスを示すインデックス情報とを取得する。取得部１３１は、複数のオブジェクトの各々に対応する複数のノードがエッジにより連結されたグラフを示すインデックス情報を取得する。取得部１３１は、クラスタリング処理により複数のオブジェクトが分類された複数のブロブを示すブロブ情報を取得する。取得部１３１は、各々に属するオブジェクトが相互に排他的な複数のブロブを示すブロブ情報を取得する。取得部１３１は、クエリを取得する。
（生成部１３２Ｂ）
生成部１３２Ｂは、生成部１３２または生成部１３２Ａと同様に各種情報を生成する。
生成部１３２Ｂは、取得部１３１により取得されたインデックス情報を用いて、複数のオブジェクトのうち一のオブジェクトが属する第１ブロブから、一のオブジェクトの近傍オブジェクトが属するブロブである第２ブロブへエッジが連結されたブロブ連結グラフを生成する。生成部１３２Ｂは、複数のオブジェクトから一のオブジェクトを選択し、インデックス情報を用いて複数のオブジェクトを対象に、一のオブジェクトの前近傍オブジェクトを検索し、一のオブジェクトが属する第１ブロブから、近傍オブジェクトが属する第２ブロブへエッジを連結することにより、ブロブ連結グラフを生成する。
生成部１３２Ｂは、複数のオブジェクトからランダムに一のオブジェクトを選択し、一のオブジェクトの近傍オブジェクトを検索し、一のオブジェクトが属する第１ブロブから、近傍オブジェクトが属する第２ブロブへエッジを連結することにより、ブロブ連結グラフを生成する。生成部１３２Ｂは、グラフを用いて第１ブロブから第２ブロブへエッジが連結されたブロブ連結グラフを生成する。
生成部１３２Ｂは、グラフを用いて、一のオブジェクトの近傍オブジェクトを検索し、一のオブジェクトが属する第１ブロブから、近傍オブジェクトが属する第２ブロブへエッジを連結することにより、ブロブ連結グラフを生成する。生成部１３２Ｂは、第１ブロブから、グラフにおいて一のオブジェクトに対応する一のノードにエッジで連結されたノードである近傍ノードに対応する近傍オブジェクトが属する第２ブロブへエッジを連結することにより、ブロブ連結グラフを生成する。
生成部１３２Ｂは、第１ブロブから、第１ブロブの代表点である第１代表点と、第２ブロブの代表点である第２代表点との間をエッジで連結することにより、ブロブ連結グラフを生成する。生成部１３２Ｂは、第１ブロブのセントロイドである第１代表点と、第２ブロブのセントロイドである第２代表点との間をエッジで連結することにより、ブロブ連結グラフを生成する。生成部１３２Ｂは、第１ブロブに属するオブジェクトを基に算出される中心点である第１代表点と、第２ブロブに属するオブジェクトを基に算出される中心点である第２代表点との間をエッジで連結することにより、ブロブ連結グラフを生成する。
（検索処理部１３３Ｂ）
検索処理部１３３Ｂは、検索処理部１３３または検索処理部１３３Ａと同様に検索処理に関する各種処理を行う。
検索処理部１３３Ｂは、生成部１３２Ｂにより生成されたブロブ連結グラフを用いた検索処理を行う。検索処理部１３３Ｂは、ブロブ連結グラフを用いて、検索クエリの近傍オブジェクトを検索する検索処理を行う。検索処理部１３３Ｂは、ブロブ連結グラフにおいてブロブ間を連結するエッジを辿ることにより、検索クエリの近傍オブジェクトを検索する検索処理を行う。
検索処理部１３３Ｂは、検索処理において、複数のブロブを示すブロブ情報を用いて、一のブロブに属するオブジェクトである対象オブジェクトと検索クエリとの距離を、ベクトル量子化された対象オブジェクトのベクトル情報を用いて算出する。検索処理部１３３Ｂは、対象オブジェクトと検索クエリとの距離の算出を並列化して一括で行う。検索処理部１３３Ｂは、情報処理装置の仕様に基づいて決定される一括処理数の対象オブジェクトと検索クエリとの距離の算出を並列処理する。
〔３－３．情報処理のフロー〕
次に、図２６を用いて、第３の実施形態に係る情報処理の手順について説明する。図２６は、第３の実施形態に係る情報処理の一例を示すフローチャートである。
図２６に示すように、情報処理装置１００Ｂは、データ検索の対象となる複数のオブジェクトが分類された複数のグループを示すグループ情報を取得する（ステップＳ５０１）。例えば、情報処理装置１００Ｂは、データ検索の対象となる複数のオブジェクトに対応するノード（オブジェクトノード）が分類された複数のブロブを示すブロブ情報を取得する。
情報処理装置１００Ｂは、複数のオブジェクトを検索対象とするインデックスを示すインデックス情報を取得する（ステップＳ５０２）。例えば、情報処理装置１００Ｂは、複数のオブジェクトに対応するノード（オブジェクトノード）がエッジで連結されたグラフをインデックスとして取得する。
情報処理装置１００Ｂは、インデックス情報を用いて、複数のオブジェクトのうち一のオブジェクトが属する第１グループから、一のオブジェクトの近傍オブジェクトが属するグループである第２グループへエッジが連結されたグループ連結グラフを生成する（ステップＳ５０３）。例えば、情報処理装置１００Ｂは、インデックス情報を用いて、複数のオブジェクトのうち一のオブジェクトが属する第１ブロブから、一のオブジェクトの近傍オブジェクトが属するブロブである第２ブロブへエッジが連結されたブロブ連結グラフを生成する。
〔３－４．検索処理例〕
ここで、第３の実施形態に係る検索処理の一例について、図２７及び図２８を一例として説明する。図２７及び図２８は、第３の実施形態に係る検索処理の一例を示すフローチャートである。以下に説明する検索処理は、情報処理装置１００Ｂの検索処理部１３３Ｂによって行われる。なお、第１の実施形態や第２の実施形態で説明した検索処理と同様の点については適宜説明を省略する。
図２７及び図２８では、Ｎ（Ｇ、ｓ）およびＣはブロブの集合（ブロブ集合）となる。また、「Ｇ」は、ブロブ間がエッジで連結されたグラフ（ブロブ連結グラフ）データ（例えば、空間情報ＳＰ４１に示すグラフＧＲ４１等）であってもよい。例えば、情報処理装置１００Ｂは、ｋ近傍検索処理を実行する。
まず、図２７に示す処理（メイン処理）について説明する。例えば、情報処理装置１００Ｂは、超球の半径ｒを∞（無限大）に設定し、ブロブ集合Ｃを空集合（Φ）に設定する（ステップＳ６０１）。そして、情報処理装置１００Ｂは、既存のブロブ集合（全てのブロブ）から部分ブロブ集合Ｂを抽出する（ステップＳ６０２）。例えば、情報処理装置１００Ｂは、ルートノードとして選択されたオブジェクト（ノード）が属するブロブを部分ブロブ集合Ｂとして抽出してもよい。また、例えば、情報処理装置１００Ｂは、ランダムにブロブを部分ブロブ集合Ｂとして抽出してもよい。
そして、情報処理装置１００Ｂは、判定処理を実行する（ステップＳ６０３）。情報処理装置１００Ｂは、図２８に示すステップＳ７０１～Ｓ７１７の判定処理を実行する。図２８に示す判定処理の詳細については後述する。
そして、情報処理装置１００Ｂは、ブロブ集合Ｓに部分ブロブ集合Ｂを設定する（ステップＳ６０４）。
情報処理装置１００Ｂは、ブロブ集合Ｓに含まれるブロブの中で最小のクエリ距離ｄのブロブｓを選択する（ステップＳ６０５）。なお、ここでいう「クエリ距離」とは、ブロブ内の全てのオブジェクトとクエリオブジェクト（クエリ）間の中で最も短い距離である。例えば、情報処理装置１００Ｂは、クエリ（検索クエリ）となるオブジェクトをｙとすると、ブロブ集合Ｓのうち、オブジェクトｙとのクエリ距離が最も短いブロブｓを選択する。なお、クエリ距離は、上記に限らず、例えばクエリとブロブの代表点（セントロイド等）との間の距離であってもよい。そして、情報処理装置１００Ｂは、ブロブ集合Ｓからブロブｓを除外する（ステップＳ６０６）。
そして、情報処理装置１００Ｂは、ブロブｓのクエリ距離ｄがｒ（１＋ε）を超えるか否かを判定する（ステップＳ６０７）。ブロブｓのクエリ距離ｄがｒ（１＋ε）を超える場合（ステップＳ６０７：Ｙｅｓ）、情報処理装置１００Ｂは、オブジェクト集合Ｒをオブジェクトｙの近傍オブジェクト集合として出力し（ステップＳ６０８）、処理を終了する。
ブロブｓのクエリ距離ｄがｒ（１＋ε）を超えない場合（ステップＳ６０７：Ｎｏ）、情報処理装置１００Ｂは、ブロブｓがブロブ集合Ｃに含まれるかを判定する（ステップＳ６０９）。
ブロブｓがブロブ集合Ｃに含まれる場合（ステップＳ６０９：Ｙｅｓ）、情報処理装置１００Ｂは、ステップＳ６０５に戻って処理を繰り返す。
ブロブｓがブロブ集合Ｃに含まれない場合（ステップＳ６０９：Ｎｏ）、情報処理装置１００Ｂは、ブロブ集合Ｃにブロブｓを追加する（ステップＳ６１０）。
そして、情報処理装置１００Ｂは、部分ブロブ集合Ｂにブロブｓの近傍ブロブ集合Ｎ（Ｇ，ｓ）を設定する（ステップＳ６１１）。近傍ブロブ集合Ｎ（Ｇ，ｓ）は、例えばブロブｓに関連付けられているブロブ（近傍のブロブ）の集合である。例えば、近傍ブロブ集合Ｎ（Ｇ，ｓ）は、ブロブｓからのエッジが連結されているブロブ（近傍のブロブ）の集合である。そして、情報処理装置１００Ｂは、判定処理を実行する（ステップＳ６１２）。詳細は後述するが、例えば、情報処理装置１００Ｂは、上述したステップＳ６０３と同様に、図２８に示すステップＳ７０１～Ｓ７１７の判定処理を実行する。
そして、情報処理装置１００Ｂは、ブロブ集合Ｓが空集合（Φ）であるか否かを判定する（ステップＳ６１３）。ブロブ集合Ｓが空集合でない場合（ステップＳ６１３：Ｎｏ）、情報処理装置１００Ｂは、ステップＳ６０５に戻って処理を繰り返す。また、ブロブ集合Ｓが空集合である場合（ステップＳ６１３：Ｙｅｓ）、情報処理装置１００Ｂは、オブジェクト集合Ｒを出力し、処理を終了する（ステップＳ６１４）。例えば、情報処理装置１００Ｂは、オブジェクト集合Ｒに含まれるオブジェクト（ノード）を追加ノード（入力オブジェクトｙ）に対応する近傍ノードとして選択してもよい。例えば、情報処理装置１００Ｂは、オブジェクト集合Ｒに含まれるオブジェクト（ノード）を対象ノード（入力オブジェクトｙ）に対応する近傍ノードとして抽出（選択）してもよい。また、例えば、情報処理装置１００Ｂは、オブジェクト集合Ｒに含まれるオブジェクト（ノード）を検索クエリ（入力オブジェクトｙ）に対応する検索結果として、検索を行った端末装置等へ提供してもよい。
ここから、図２８に示す処理（判定処理）について説明する。まず、情報処理装置１００Ｂは、ブロブ集合Ｔに部分ブロブ集合Ｂを設定する（ステップＳ７０１）。
そして、情報処理装置１００Ｂは、ブロブ集合Ｔからブロブｂを一つ取得し、ブロブ集合Ｔからブロブｂを削除する（ステップＳ７０２）。そして、情報処理装置１００Ｂは、判定処理に用いる変数であるｍｉｎを∞（無限大）に設定する（ステップＳ７０３）。
そして、情報処理装置１００Ｂは、ブロブｂからオブジェクトｕを一つ取得し、ブロブｂからオブジェクトｕを削除する（ステップＳ７０４）。
そして、情報処理装置１００Ｂは、オブジェクトｕとオブジェクトｙとの距離ｄ（ｕ，ｙ）がｍｉｎ未満か否かを判定する（ステップＳ７０５）。
オブジェクトｕとオブジェクトｙとの距離ｄ（ｕ，ｙ）がｍｉｎ未満である場合（ステップＳ７０５：Ｙｅｓ）、情報処理装置１００Ｂは、ｍｉｎの値を距離ｄ（ｕ，ｙ）に設定（更新）し（ステップＳ７０６）、ステップＳ７０７の処理を行う。
オブジェクトｕとオブジェクトｙとの距離ｄ（ｕ，ｙ）がｍｉｎ未満ではない場合（ステップＳ７０５：Ｎｏ）、情報処理装置１００Ｂは、ステップＳ７０６の処理を行わず、ステップＳ７０７の処理を行う。
情報処理装置１００Ｂは、オブジェクトｕとオブジェクトｙとの距離ｄ（ｕ，ｙ）がｒ（１＋ε）以下であるか否かを判定する（ステップＳ７０７）。
オブジェクトｕとオブジェクトｙとの距離ｄ（ｕ，ｙ）がｒ（１＋ε）以下である場合（ステップＳ７０７：Ｙｅｓ）、情報処理装置１００Ｂは、ブロブｂをブロブ集合Ｓに追加し（ステップＳ７０８）、ステップＳ７０９の処理を行う。
オブジェクトｕとオブジェクトｙとの距離ｄ（ｕ，ｙ）がｒ（１＋ε）以下ではない場合（ステップＳ７０７：Ｎｏ）、情報処理装置１００Ｂは、ステップＳ７０８の処理を行わず、ステップＳ７０９の処理を行う。
情報処理装置１００Ｂは、オブジェクトｕとオブジェクトｙとの距離ｄ（ｕ，ｙ）がｒ以下であるか否かを判定する（ステップＳ７０９）。
オブジェクトｕとオブジェクトｙとの距離ｄ（ｕ，ｙ）がｒ以下である場合（ステップＳ７０９：Ｙｅｓ）、情報処理装置１００Ｂは、オブジェクトｕをオブジェクト集合Ｒに追加し（ステップＳ７１０）、ステップＳ７１１の処理を行う。
オブジェクトｕとオブジェクトｙとの距離ｄ（ｕ，ｙ）がｒ以下ではない場合（ステップＳ７０９：Ｎｏ）、情報処理装置１００Ｂは、ステップＳ７１０の処理を行わず、ステップＳ７１１の処理を行う。
情報処理装置１００Ｂは、オブジェクト集合Ｒに含まれるオブジェクト数がｋｓを超えるか否かを判定する（ステップＳ７１１）。所定数ｋｓは、任意に定められる自然数である。例えば、ｋｓは、検索数や抽出対象数であってもよい。また、例えば、範囲検索等において抽出するオブジェクト数の上限を設けない場合、ｋｓは、無限大に設定されてもよい。例えば、ｋｓ＝４等であってもよい。
オブジェクト集合Ｒに含まれるオブジェクト数がｋｓを超える場合（ステップＳ７１１：Ｙｅｓ）、情報処理装置１００Ｂは、オブジェクト集合Ｒに含まれるオブジェクトの中でオブジェクトｙから最も遠いオブジェクトを、オブジェクト集合Ｒから除外し（ステップＳ７１２）、ステップＳ７１３の処理を行う。
オブジェクト集合Ｒに含まれるオブジェクト数がｋｓを超えない場合（ステップＳ７１１：Ｎｏ）、情報処理装置１００Ｂは、ステップＳ７１２の処理を行わず、ステップＳ７１３の処理を行う。
情報処理装置１００Ｂは、オブジェクト集合Ｒに含まれるオブジェクト数がｋｓと一致するか否かを判定する（ステップＳ７１３）。
オブジェクト集合Ｒに含まれるオブジェクト数がｋｓと一致する場合（ステップＳ７１３：Ｙｅｓ）、情報処理装置１００Ｂは、オブジェクト集合Ｒに含まれるオブジェクトの中でオブジェクトｙから最も遠いオブジェクトと、オブジェクトｙとの距離をｒに設定し（ステップＳ７１４）、ステップＳ７１５の処理を行う。
オブジェクト集合Ｒに含まれるオブジェクト数がｋｓと一致しない場合（ステップＳ７１３：Ｎｏ）、情報処理装置１００Ｂは、ステップＳ７１４の処理を行わず、ステップＳ７１５の処理を行う。
情報処理装置１００Ｂは、ブロブｂが空集合（Φ）であるか否かを判定する（ステップＳ７１５）。ブロブｂが空集合でない場合（ステップＳ７１５：Ｎｏ）、情報処理装置１００Ｂは、ステップＳ７０４に戻って処理を繰り返す。
また、ブロブｂが空集合である場合（ステップＳ７１５：Ｙｅｓ）、情報処理装置１００Ｂは、ｍｉｎを部分ブロブ集合Ｂ内のブロブｂのブロブのクエリ距離とする（ステップＳ７１６）。例えば、情報処理装置１００Ｂは、ブロブｂの全てのオブジェクトとクエリとの間の距離のうち最も短い距離をクエリ距離としてｍｉｎに設定する。
情報処理装置１００Ｂは、ブロブ集合Ｔが空集合（Φ）であるか否かを判定する（ステップＳ７１７）。ブロブ集合Ｔが空集合でない場合（ステップＳ７１７：Ｎｏ）、情報処理装置１００Ｂは、ステップＳ７０２に戻って処理を繰り返す。
また、ブロブ集合Ｔが空集合である場合（ステップＳ７１７：Ｙｅｓ）、判定処理を終了する。
〔３－５．変形例〕
ブロブ連結グラフは、上述した例に限らず様々な態様により構成されてもよい。例えば、ブロブ連結グラフは、各グループ（ブロブ）の代表点間がエッジで連結されたグラフであってもよい。この点について、以下、第３の実施形態に係る変形例として説明する。なお、第１の実施形態や第２の実施形態や第３の実施形態と同様の点については、適宜説明を省略する。第３の実施形態の変形例に係る情報処理装置１００Ｂは、ブロブ情報記憶部１２５及びブロブ連結グラフ情報記憶部１２６に代えて、ブロブ情報記憶部１２５Ａ及びブロブ連結グラフ情報記憶部１２６Ａを有する。
〔３－５－１．情報処理〕
まず、図２９を用いて、変形例に係る情報処理の概要を説明する。図２９は、変形例に係るブロブ連結グラフ情報の一例を示す図である。図２９の例ではブロブがクラスタリングにより生成されている場合を示す。
図２９の例では、情報処理装置１００Ｂは、各ブロブのセントロイドを連結したブロブ連結グラフを生成する。情報処理装置１００Ｂは、空間情報ＳＰ４１に示すように、各ブロブＢＬ１～ＢＬ１０の各々に対応するセントロイドＣ１～Ｃ１０をエッジで連結したブロブ連結グラフであるグラフＧＲ４２を生成する。情報処理装置１００Ｂは、グラフ生成に関する種々の従来技術を適宜用いてグラフＧＲ４２を生成する。
例えば、情報処理装置１００Ｂは、ブロブＢＬ１のセントロイドＣ１がブロブＢＬ２のセントロイドＣ２、ブロブＢＬ３のセントロイドＣ３、ブロブＢＬ４のセントロイドＣ４、ブロブＢＬ７のセントロイドＣ７、及びブロブＢＬ８のセントロイドＣ８の５つのセントロイドにエッジで連結されたグラフＧＲ４２を生成する。また、例えば、情報処理装置１００Ｂは、ブロブＢＬ２のセントロイドＣ２が、ブロブＢＬ１のセントロイドＣ１、ブロブＢＬ３のセントロイドＣ３、及びブロブＢＬ４のセントロイドＣ４の３つのセントロイドにエッジで連結されたグラフＧＲ４２を生成する。
なお、情報処理装置１００Ｂは、どのような方法によりグラフＧＲ４２を生成してもよい。情報処理装置１００Ｂは、様々なインデックスを用いて、グラフＧＲ４２を生成してもよい。例えば、情報処理装置１００Ｂは、オブジェクトノードが連結されたグラフＧＲ２１を用いて、グラフＧＲ４２を生成してもよい。この場合、情報処理装置１００Ｂは、図２３中のグラフＧＲ４１と同様の処理によりグラフＧＲ４２を生成できるため、詳細な説明は省略する。例えば、情報処理装置１００Ｂは、図２３に示す例と同様の処理により、グラフＧＲ４２を生成してもよい。なお、グラフＧＲ４２は無向（双方向）エッジを一例として示すが、有向エッジであってもよい。
このように、変形例に係る情報処理装置１００Ｂは、セントロイドのグラフをブロブ連結グラフとして生成する。そして、情報処理装置１００Ｂは、生成したブロブ連結グラフを用いてセントロイドで通常の検索を行い、距離計算はブロブ単位で行う。このように、情報処理装置１００Ｂは、ブロブをセントロイドで代表させることで、簡便な処理とすることができる。なお、情報処理装置１００Ｂは、ブロブがクラスタリングではない場合には、各ブロブに属するオブジェクトを基に中心点を算出し、算出した中心点を代表点として用いてもよい。
図２９の例では、情報処理装置１００Ｂは、空間情報ＳＰ４２に示すように、ブロブの代表点であるセントロイド間がエッジで連結されたグラフＧＲ４２を用いて、検索処理を行う。例えば、情報処理装置１００Ｂは、検索クエリＱＥ２を対象として、グラフＧＲ２１を用いた図２７及び図２８に示すような検索処理を行うことにより、検索クエリＱＥ２の検索結果を得る。この点については、上述した例と同様であり詳細な説明は省略する。
〔３－５－２．情報〕
次に、図３０及び図３１を用いて、変形例に係る情報の概要を説明する。図３０は、変形例に係るブロブ情報記憶部の一例を示す図である。図３１は、変形例に係るブロブ連結グラフ情報記憶部の一例を示す図である。
まず、図３０に示す変形例に係るブロブ情報記憶部１２５Ａについて説明する。図３０に示す変形例に係るブロブ情報記憶部１２５Ａは、「ブロブＩＤ」、「ノードＩＤ」、「ベクトル情報」、および「セントロイドＩＤ」といった項目が含まれる。このように、変形例に係るブロブ情報記憶部１２５Ａは、「セントロイドＩＤ」を有する点で図１５のブロブ情報記憶部１２５と相違する。なお、図１５のブロブ情報記憶部１２５と同様の点については適宜説明を省略する。
「セントロイドＩＤ」は、各ブロブのセントロイドを識別するための識別情報を示す。「ベクトル情報」は、ブロブの代表点であるセントロイドのベクトル情報を示す。
図３０に示す例では、ブロブＩＤ「ＢＬ１」により識別されるブロブＢＬ１のセントロイドは、セントロイドＩＤ「Ｃ１」により識別されるセントロイド（セントロイドＣ１）であることを示す。ブロブＩＤ「ＢＬ９」により識別されるブロブＢＬ９のセントロイドは、セントロイドＩＤ「Ｃ９」により識別されるセントロイド（セントロイドＣ９）であることを示す。
なお、ブロブ情報記憶部１２５Ａは、上記に限らず、目的に応じて種々の情報を記憶してもよい。
次に、図３１に示す変形例に係るブロブ連結グラフ情報記憶部１２６Ａについて説明する。図３０に示す変形例に係るブロブ連結グラフ情報記憶部１２６Ａは、「セントロイドＩＤ」および「接続セントロイド情報」といった項目を有する。なお、図２５のブロブ連結グラフ情報記憶部１２６と同様の点については適宜説明を省略する。
「セントロイドＩＤ」は、グラフにおける各ブロブの代表点であるセントロイドを識別するための識別情報を示す。「接続セントロイド情報」は、対応するセントロイドから辿ることができるセントロイド（参照先のセントロイド）に関する情報を示す。例えば、「接続セントロイド情報」には、「参照先」といった情報が含まれる。「参照先」は、エッジにより連結され、そのセントロイドから辿ることができる参照先（セントロイド）を識別するための情報を示す。すなわち、図３１の例では、セントロイドを識別するセントロイドＩＤに対して、そのセントロイドからエッジにより辿ることができる参照先（セントロイド）が対応付けられて登録されている。なお、「接続セントロイド情報」には、参照先に接続されるエッジを識別するための情報（エッジＩＤ）等が含まれてもよい。
図３１の例では、セントロイドＩＤ「Ｃ１」により識別されるセントロイド（セントロイドＣ１）からは、セントロイドＩＤ「Ｃ２」、「Ｃ３」、「Ｃ４」、「Ｃ７」、「Ｃ８」の各々により識別される５つのセントロイドにエッジが連結されていることを示す。すなわち、セントロイドＣ１からは、セントロイドＣ２、Ｃ３、Ｃ４、Ｃ７、Ｃ８の５つのセントロイドの各々へ辿ることができることを示す。
なお、ブロブ連結グラフ情報記憶部１２６Ａは、上記に限らず、目的に応じて種々の情報を記憶してもよい。また、ブロブ連結グラフは、クエリを入力とし、ブロブ連結グラフ中のエッジを辿ることによりオブジェクト（オブジェクトノード）を探索し、クエリに類似するオブジェクトを抽出し出力するプログラムモジュールを含んでもよい。すなわち、ブロブ連結グラフは、ブロブ連結グラフを用いて検索処理を行うプログラムモジュールとしての利用が想定されるものであってもよい。例えば、ブロブ連結グラフであるグラフＧＲ４２は、クエリとしてベクトルデータが入力された場合に、そのベクトルデータに類似するベクトルデータに対応するオブジェクトをブロブ連結グラフにより抽出し、出力するプログラムであってもよい。例えば、グラフＧＲ４２は、クエリ画像に対応する類似画像を検索するプログラムモジュールとして利用されるデータであってもよい。例えば、グラフＧＲ４２は、入力されたクエリに基づいて、ブロブ連結グラフにおいてそのクエリに類似するオブジェクトを抽出し、出力するよう、コンピュータを機能させる。
上述したように、各実施形態及び変形例において、情報処理システム１は、以下のような処理を実行する。例えば、情報処理システム１は、ベクトルのクラスタリングでブロブを生成する。例えば、情報処理システム１は、ブロブのセントロイドをノードとしてグラフインデックスを生成する。
例えば、情報処理システム１は、任意のベクトルを一定数取得して、直積量子化のクラスタリングを行う。つまり、情報処理システム１は、部分ベクトルに分割して、部分ベクトル単位にクラスタリングを行い、コードブックを生成する。
例えば、情報処理システム１は、ブロブ単位に属するオブジェクトを直積量子化し、転置インデックスを生成する。例えば、情報処理システム１は、オブジェクトからブロブへのエッジを含むグラフ（ブロブ用グラフ）を生成する。例えば、情報処理システム１は、一般的な直積量子化の手法を用により近傍オブジェクトを検索する。ここでいう一般的な直積量子化の手法とは、例えば、オブジェクトとブロブのすべてのセントロイドとの距離を算出し上位一定数のブロブを取得した後に、ブロブ内のオブジェクトの距離を直積量子化で距離を求めて近傍オブジェクトを取得することであってもよい。なお、情報処理システム１は、上述したように、セントロイドのグラフを生成している場合はグラフを用いて一定数のブロブを検索して取得することが可能である。または、情報処理システム１は、上記した、オブジェクトからブロブへのエッジを含むグラフ（ブロブ用グラフ）ではなく、ブロブ間をエッジで連結したグラフ（ブロブ連結グラフ）を生成してもよい。
〔４．第４の実施形態〕
上述した例では、オブジェクトを分類するグループの一例であるブロブを用いる場合を示したが、オブジェクトを分類するグループはブロブのみに限らず、オブジェクトを分類する様々なグラフが用いられてもよい。例えば、ブロブ（第１グループ）以外にもオブジェクトを量子化する単位となる第２グループであるクラスタが用いられてもよい。
この点について、以下、第４の実施形態として説明する。第４の実施形態においては、情報処理システム１は、情報処理装置１００、情報処理装置１００Ａまたは情報処理装置１００Ｂに代えて、情報処理装置１００Ｃを有する。なお、第１の実施形態、第２の実施形態及び第３の実施形態等において上述した内容と同様の点については適宜説明を省略する。
情報処理装置１００Ｃは、複数のオブジェクトを分類する複数のブロブを示すブロブ情報（第１グループ情報）と、ブロブとは異なる分類となるグループであるクラスタを示すクラスタ情報（第２グループ情報）とを生成する。
〔４－１．情報処理〕
まず、図３２を用いて、第４の実施形態に係る情報処理の概要を説明する。図３２は、第４の実施形態に係る情報処理の一例を示す図である。なお、図３２では、情報処理装置１００Ｃがオブジェクトを複数のブロブに分類し、そのブロブを基にクラスタに分類する場合を示すが、クラスタに分類した後にブロブに分類してもよいが、この点については後述する。
まず、情報処理装置１００Ｃは、複数のオブジェクトを複数のブロブに分類するブロブ情報を生成する（ステップＳ７１）。図３２の例では、情報処理装置１００Ｃは、任意の方法により、複数のオブジェクトをブロブＢＬ１～ＢＬ１０等に分類するブロブ情報を生成する。情報処理装置１００Ｃは、ｋ－ｍｅａｎｓ等の任意のクラスタリングにより各ノードをブロブＢＬ１～ＢＬ１０のいずれかに分類してもよい。なお、情報処理装置１００Ｃは、ブロブを生成可能であれば、どのような方法によりブロブを生成してもよい。例えば、情報処理装置１００Ｃは、グラフ等のインデックスを用いて、ブロブを生成してもよい。例えば、情報処理装置１００Ｃは、上述した第１方法～第４方法等に任意のいずれかの方法によりブロブＢＬ１～ＢＬ１０等を示す情報を生成してもよい。
なお、図３２では、情報処理装置１００Ｃは、空間情報ＳＰ４１に示すように、ブロブ連結グラフであるグラフＧＲ４１を生成するが、グラフＧＲ４１を生成しなくてもよい。例えば、情報処理装置１００Ｃは、グラフＧＲ４１を生成する場合、図２３と同様の情報をもちいた処理によりグラフＧＲ４１を生成するが、図２３での説明と同様であるため詳細な説明を省略する。
そして、情報処理装置１００Ｃは、複数のブロブを複数のクラスタに分類するクラスタ情報を生成する（ステップＳ７２）。例えば、情報処理装置１００Ｃは、任意の方法により、ブロブＢＬ１～ＢＬ１０等の複数のブロブを分類するクラスタを示すクラスタ情報を生成する。情報処理装置１００Ｃは、ｋ－ｍｅａｎｓ等の任意のクラスタリングによりブロブＢＬ１～ＢＬ１０等の複数のクラスタのいずれかに分類してもよい。なお、情報処理装置１００Ｃは、ブロブを生成可能であれば、どのような方法によりブロブを生成してもよい。例えば、情報処理装置１００Ｃは、グラフ等のインデックスを用いて、ブロブを生成してもよい。
図３２の例では、情報処理装置１００Ｃは、ブロブＢＬ１～ＢＬ１０等のクラスタＣＬ１～ＣＬ４等に分類するクラスタ情報を生成する。例えば、情報処理装置１００Ｃは、ブロブＢＬ１及びブロブＢＬ７をクラスタＣＬ１に分類する。すなわち、情報処理装置１００Ｃは、ブロブＢＬ１に属するオブジェクト、及びブロブＢＬ７に属するオブジェクトをクラスタＣＬ１に分類する。なお、図３２及び図３４では、ブロブの境界線がクラスタの境界線上にあるように図示したが、分割の方法によっては一致しない場合があり、また方法によっては空間が境界線で分割されるとも限らない。
また、情報処理装置１００Ｃは、ブロブＢＬ２及びブロブＢＬ４をクラスタＣＬ２に分類する。すなわち、情報処理装置１００Ｃは、ブロブＢＬ２に属するオブジェクト、及びブロブＢＬ４に属するオブジェクトをクラスタＣＬ２に分類する。
また、情報処理装置１００Ｃは、ブロブＢＬ３、ブロブＢＬ８及びブロブＢＬ１０をクラスタＣＬ３に分類する。すなわち、情報処理装置１００Ｃは、ブロブＢＬ３に属するオブジェクト、ブロブＢＬ８に属するオブジェクト、及びブロブＢＬ１０に属するオブジェクトをクラスタＣＬ３に分類する。
また、情報処理装置１００Ｃは、ブロブＢＬ５、ブロブＢＬ６及びブロブＢＬ９をクラスタＣＬ４に分類する。すなわち、情報処理装置１００Ｃは、ブロブＢＬ５に属するオブジェクト、ブロブＢＬ６に属するオブジェクト、及びブロブＢＬ９に属するオブジェクトをクラスタＣＬ４に分類する。
例えば、情報処理装置１００Ｃは、クラスタ情報を用いて量子化に関する処理を実行する。情報処理装置１００Ｃは、クラスタ情報を用いて複数のオブジェクトを対象とする量子化に関する処理を行う。例えば、情報処理装置１００Ｃは、クラスタＣＬ１～ＣＬ４のの各々に属するオブジェクトごとに量子化を行うが、この点については後述する。
上記のように、情報処理装置１００Ｃは、データ検索の対象となる複数のオブジェクトを分類する複数のブロブを示すブロブ情報と、複数のブロブとは異なる分類となる複数のクラスタを示すクラスタ情報とを生成する。これにより、情報処理装置１００Ｃは、複数のオブジェクトを分類する２種類のグループを生成することができ、オブジェクトを分類するグループを生成することができる。
〔４－１－１．他の処理例〕
なお、図３２に示した処理は一例に過ぎず、情報処理装置１００Ｃは、ブロブ情報及びクラスタ情報を生成可能であれば、どのような態様の処理により生成を行ってもよい。
例えば、情報処理装置１００Ｃは、クラスタに分類するクラスタ情報を生成した後に、ブロブに分類するブロブ情報を生成してもよい。この場合、情報処理装置１００Ｃは、複数のオブジェクトをクラスタに分類するクラスタリングにより、各オブジェクトを複数のクラスタのいずれかの分類するクラスタ情報を生成してもよい。例えば、情報処理装置１００Ｃは、ｋ－ｍｅａｎｓ等の任意のクラスタリングにより各オブジェクトをクラスタＣＬ１～ＣＬ４のいずれかに分類してもよい。
そして、情報処理装置１００Ｃは、クラスタＣＬ１～ＣＬ４の少なくとも１つを分割し、二以上のブロブを生成することにより、ブロブを示すブロブ情報を生成してもよい。例えば、情報処理装置１００Ｃは、各クラスタに属するオブジェクトをｋ－ｍｅａｎｓ等の任意のクラスタリングによってクラスタリングすることにより、各クラスタを分割しブロブを生成する。例えば、情報処理装置１００Ｃは、クラスタＣＬ１を２つのブロブに分割することにより、ブロブＢＬ１及びブロブＢＬ７を生成してもよい。例えば、情報処理装置１００Ｃは、クラスタＣＬ１に属しているオブジェクトをクラスタ数２でｋ－ｍｅａｎｓによりクラスタリングして、クラスタＣＬ１を分割しブロブＢＬ１及びブロブＢＬ７を生成する。
例えば、情報処理装置１００Ｃは、クラスタＣＬ２を２つのブロブに分割することにより、ブロブＢＬ２及びブロブＢＬ４を生成してもよい。例えば、情報処理装置１００Ｃは、クラスタＣＬ３を３つのブロブに分割することにより、ブロブＢＬ３、ブロブＢＬ８及びブロブＢＬ１０を生成してもよい。例えば、情報処理装置１００Ｃは、クラスタＣＬ４を３つのブロブに分割することにより、ブロブＢＬ５、ブロブＢＬ６及びブロブＢＬ９を生成してもよい。
〔４－２．情報処理装置の構成〕
次に、図３３を用いて、第４の実施形態に係る情報処理装置１００Ｃの構成について説明する。図３３は、第４の実施形態に係る情報処理装置の構成例を示す図である。図３３に示すように、情報処理装置１００Ｃは、通信部１１０と、記憶部１２０Ｃと、制御部１３０Ｂとを有する。なお、情報処理装置１００Ｃにおいて、情報処理装置１００、情報処理装置１００Ａまたは情報処理装置１００Ｂと同様の点は適宜説明を省略する。
（記憶部１２０Ｃ）
記憶部１２０Ｃは、例えば、ＲＡＭ、フラッシュメモリ等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。第４の実施形態に係る記憶部１２０Ｃは、図３３に示すように、オブジェクト情報記憶部１２１と、グラフ情報記憶部１２２と、量子化情報記憶部１２３と、コードブック情報記憶部１２４と、ブロブ情報記憶部１２５と、ブロブ連結グラフ情報記憶部１２６と、クラスタ情報記憶部１２７とを有する。
第４の実施形態に係るクラスタ情報記憶部１２７は、第２グループであるクラスタに関する情報を記憶する。クラスタ情報記憶部１２７は、量子化の単位となるクラスタに関する情報を記憶する。クラスタ情報記憶部１２７は、各クラスタを識別する識別情報（クラスタＩＤ等）に、そのクラスタに属する第１グループであるブロブを示す情報（ブロブＩＤ等）を対応付けて記憶してもよい。また、クラスタ情報記憶部１２７は、各クラスタを識別する識別情報（クラスタＩＤ等）に、そのクラスタに属するオブジェクトを示す情報（オブジェクトＩＤ等）を対応付けて記憶してもよい。また、クラスタ情報記憶部１２７は、各クラスタを識別する識別情報（クラスタＩＤ等）に、そのクラスタのセントロイド等の基点を特定するための情報（基点ＩＤ等）及びそのベクトル等を対応付けて記憶してもよい。
（制御部１３０Ｃ）
制御部１３０Ｃは、コントローラ（controller）であり、例えば、ＣＰＵやＭＰＵやＧＰＵ等によって、情報処理装置１００Ｃ内部の記憶装置に記憶されている各種プログラム（情報処理プログラムの一例に相当）がＲＡＭを作業領域として実行されることにより実現される。また、制御部１３０Ｃは、コントローラであり、例えば、ＡＳＩＣやＦＰＧＡ等の集積回路により実現される。
図３３に示すように、制御部１３０Ｃは、取得部１３１と、生成部１３２Ｃと、検索処理部１３３Ｃと、提供部１３４とを有し、以下に説明する情報処理の機能や作用を実現または実行する。なお、制御部１３０Ｃの内部構成は、図３３に示した構成に限られず、後述する情報処理を行う構成であれば他の構成であってもよい。
第４の実施形態に係る取得部１３１は、データ検索の対象となる複数のオブジェクトを示すオブジェクト情報を取得する。取得部１３１は、複数のオブジェクトを検索対象とするインデックスを示すインデックス情報を取得する。
取得部１３１は、データ検索の対象となる複数のオブジェクトを分類する複数のブロブと、複数のブロブとは異なる分類となるグループであって、複数のオブジェクトのうち、複数のブロブにおいて同じブロブに属するオブジェクトを同じグループに分類するグループである複数のクラスタとを示す処理用情報を取得する。取得部１３１は、複数のオブジェクトを分類する第１数のブロブと、複数のオブジェクトを第１数よりも少ない第２数に分類するクラスタとを示す処理用情報を取得する。取得部１３１は、複数のブロブのうち二以上のブロブの各々に属するオブジェクト群が一のクラスタに分類された複数のクラスタを示す処理用情報を取得する。
取得部１３１は、複数のオブジェクトを対象とする検索処理における一括処理である第１処理を実行するために用いられる複数のブロブを示す処理用情報を取得する。取得部１３１は、複数のオブジェクトを対象とする量子化に関する処理である第２処理を行うために用いられる複数のクラスタを示す処理用情報を取得する。
取得部１３１は、複数のブロブの各々を識別する複数の第１識別情報と、複数のクラスタの各々を識別する複数の第２識別情報とを対応付けた処理用情報を取得する。取得部１３１は、一の第２識別情報が二以上の第１識別情報に対応付けられた処理用情報を取得する。
取得部１３１は、複数のオブジェクトの各々が属するブロブの第１識別情報に対応付けられた処理用情報を取得する。取得部１３１は、複数のオブジェクトの各々が量子化された量子化後オブジェクト情報が第１識別情報に対応付けられた処理用情報を取得する。取得部１３１は、直積量子化により、複数のオブジェクトの各々に対応するベクトルを分割した各部分ベクトルを量子化するベクトル量子化により生成された量子化後オブジェクト情報が、第１識別情報に対応付けられた処理用情報を取得する。取得部１３１は、量子化に対応する各セントロイドの各部分領域に対応する各部分セントロイドに基づいて生成された量子化後オブジェクト情報が、第１識別情報に対応付けられた処理用情報を取得する。取得部１３１は、量子化に対応する各セントロイドと、当該各セントロイドの各部分領域内に対応する各部分セントロイドと、により生成される残差ベクトルに基づいて生成された量子化後オブジェクト情報が、第１識別情報に対応付けられた処理用情報を取得する。
（生成部１３２Ｃ）
生成部１３２Ｃは、生成部１３２、生成部１３２Ａまたは生成部１３２Ｂと同様に各種情報を生成する。
生成部１３２Ｃは、取得部１３１により取得されたオブジェクト情報に基づいて、複数のオブジェクトを分類する複数のブロブを示すブロブ情報を生成する。生成部１３２Ｃは、複数のブロブとは異なる分類となるグループであって、複数のオブジェクトのうち、複数のブロブにおいて同じブロブに属するオブジェクトを同じグループに分類するグループである複数のクラスタを示すクラスタ情報を生成する。
生成部１３２Ｃは、複数のオブジェクトを第１数のブロブに分類するブロブ情報と、複数のオブジェクトを第１数よりも少ない第２数のクラスタに分類するクラスタ情報とを生成する。生成部１３２Ｃは、複数のブロブのうち二以上のブロブの各々に属するオブジェクト群が一のクラスタに分類された複数のクラスタを示すクラスタ情報を生成する。
生成部１３２Ｃは、複数のオブジェクトを対象とする検索処理において一括処理を行うために用いられる複数のブロブを示すブロブ情報を生成する。生成部１３２Ｃは、複数のオブジェクトに関する距離の算出を一括して行うために用いられる複数のブロブを示すブロブ情報を生成する。生成部１３２Ｃは、検索処理で用いられる検索クエリとオブジェクトとの距離の算出を並列処理するために用いられる複数のブロブを示すブロブ情報を生成する。
生成部１３２Ｃは、複数のオブジェクトを対象とする量子化に関する処理を行うために用いられる複数のクラスタを示すクラスタ情報を生成する。生成部１３２Ｃは、量子化の単位となる複数のクラスタを示すクラスタ情報を生成する。生成部１３２Ｃは、複数のオブジェクトの各々に対応するベクトルを量子化するために用いられる複数のクラスタを示すクラスタ情報を生成する。
生成部１３２Ｃは、複数のブロブの分類後に、複数のクラスタの分類を行う。生成部１３２Ｃは、複数のオブジェクトをクラスタリングすることにより複数のブロブを示すブロブ情報を生成する。生成部１３２Ｃは、インデックス情報を用いて、複数のブロブを示すブロブ情報を生成する。生成部１３２Ｃは、ブロブを示すブロブ情報を用いて、複数のクラスタを示すクラスタ情報を生成する。生成部１３２Ｃは、複数のブロブをクラスタリングすることにより複数のクラスタを示すクラスタ情報を生成する。
生成部１３２Ｃは、複数のクラスタの分類後に、複数のブロブの分類を行う。生成部１３２Ｃは、複数のオブジェクトをクラスタリングすることにより複数のクラスタを示すクラスタ情報を生成する。生成部１３２Ｃは、クラスタを示すクラスタ情報を用いて、複数のブロブを示すブロブ情報を生成する。生成部１３２Ｃは、複数のクラスタのうち、少なくとも一のクラスタを分割し、二以上のブロブを生成することにより、複数のブロブを示すブロブ情報を生成する。生成部１３２Ｃは、各第２グループに属するオブジェクトをクラスタリングすることにより、各第２グループを二以上の第１グループに分割することにより、複数の第１グループを示す第１グループ情報を生成する。
（検索処理部１３３Ｃ）
検索処理部１３３Ｃは、ブロブに属するオブジェクトを対象とする第１処理、及びクラスタに属するオブジェクトを対象とする第２処理を実行する処理部として機能する。検索処理部１３３Ｃは、検索処理部１３３、検索処理部１３３Ａまたは検索処理部１３３Ｂと同様に検索処理に関する各種処理を行う。検索処理部１３３Ｃは、生成部１３２Ｃにより生成された情報を用いた処理を行う。
検索処理部１３３Ｃは、取得部１３１により取得された処理用情報を用いて、ブロブに属するオブジェクトを対象とする第１処理と、クラスタに属するオブジェクトを対象とする第２処理とを実行する。検索処理部１３３Ｃは、一のクラスタに属するオブジェクト群を対象に第２処理を実行する。検索処理部１３３Ｃは、一のブロブに属するオブジェクト群を対象に第１処理を実行する。
検索処理部１３３Ｃは、一のブロブに属するオブジェクト群を対象に距離の算出を一括して行う第１処理を実行する。検索処理部１３３Ｃは、一のブロブに属するオブジェクト群の各々と、検索処理で用いられる検索クエリとの距離の算出の並列処理である第１処理を実行する。
検索処理部１３３Ｃは、一のクラスタに属するオブジェクト群を対象に第２処理を実行する。検索処理部１３３Ｃは、一のクラスタに属するオブジェクト群を対象に量子化である第２処理を実行する。検索処理部１３３Ｃは、一のクラスタに属するオブジェクト群の各々に対応するベクトルを量子化する第２処理を実行する。
検索処理部１３３Ｃは、一のクラスタに二以上のブロブが属する場合、当該二以上のブロブに属するオブジェクト群を対象として第２処理を実行する。検索処理部１３３Ｃは、一のクラスタに二以上のブロブが属する場合、当該二以上のブロブに属する全オブジェクトを対象として量子化を実行する。
検索処理部１３３Ｃは、処理用情報を参照して、第１処理と第２処理とを実行する。検索処理部１３３Ｃは、処理用情報を参照して処理対象となるオブジェクトを特定する。検索処理部１３３Ｃは、複数のオブジェクトを対象とする検索処理において、二以上の第１識別情報のうち、一の第１識別情報のブロブを対象として第１処理を行うとともに、一の第２識別情報のクラスタに関して検索処理において参照する参照用情報を生成した後、二以上の第１識別情報のうち、一の第１識別情報以外の他の第１識別情報の他のブロブを対象として第１処理を行い際は参照用情報を生成しない。
検索処理部１３３Ｃは、ブロブ連結グラフを用いた検索処理を行う。検索処理部１３３Ｃは、ブロブ連結グラフを用いて、検索クエリの近傍オブジェクトを検索する検索処理を行う。検索処理部１３３Ｃは、ブロブ連結グラフにおいてブロブ間を連結するエッジを辿ることにより、検索クエリの近傍オブジェクトを検索する検索処理を行う。
検索処理部１３３Ｃは、検索処理において、複数のブロブを示すブロブ情報を用いて、一のブロブに属するオブジェクトである対象オブジェクトと検索クエリとの距離を、ベクトル量子化された対象オブジェクトのベクトル情報を用いて算出する。検索処理部１３３Ｃは、対象オブジェクトと検索クエリとの距離の算出を並列化して一括で行う。検索処理部１３３Ｃは、情報処理装置の仕様に基づいて決定される一括処理数の対象オブジェクトと検索クエリとの距離の算出を並列処理する。
検索処理部１３３Ｃは、ブロブ連結グラフを用い、図２７及び図２８に示す処理により検索処理を行う。例えば、検索処理部１３３Ｃは、空間情報ＳＰ５１に示すように、ブロブ間をエッジで連結するグラフＧＲ４１を用いて検索処理を行う。例えば、検索処理部１３３Ｃは、検索クエリＱＥ３を対象として、ブロブ連結グラフであるグラフＧＲ４１を用いた図２７及び図２８に示すような検索処理を行うことにより、検索クエリＱＥ３の検索結果を得る。例えば、検索処理部１３３Ｃは、ブロブ連結グラフを辿ることにより、処理対象となったブロブについて第１処理を実行する。
検索処理部１３３Ｃは、処理対象となったブロブが属するクラスタについて、参照用情報が未生成である場合、参照用情報を生成する。例えば、検索処理部１３３Ｃは、距離のルックアップテーブル（ＬＵＴ）を参照用情報として生成する。例えば、検索処理部１３３Ｃは、検索処理において、クラスタ単位に距離のルックアップテーブルを生成する。すなわち、検索処理部１３３Ｃは、検索処理において、ブロブ単位ではなく、クラスタ単位で、距離のルックアップテーブルを生成する。これにより、情報処理装置１００Ｃは、検索時間の増大を抑制することができる。
検索処理部１３３Ｃは、生成した参照用情報を用いて、処理対象となったブロブに属するオブジェクトについて一括して距離計算を実行する。例えば、検索処理部１３３Ｃは、処理対象となったブロブが属するクラスタについて、参照用情報が生成済みである場合、参照用情報を生成しない。そして、検索処理部１３３Ｃは、既に生成済みである参照用情報を用いて、処理対象となったブロブに属するオブジェクトについて一括して距離計算を実行する。
〔４－３．処理及び情報例〕
ここから、第４の実施形態における処理や処理に用いる情報等の例について説明する。
まず、図３４を用いて量子化に関する概念について説明する。図３４は、第４の実施形態に係る量子化に関する概念図である。
例えば、基点ＣＬ１は、クラスタＣＬ１の量子化に用いられる基点を示す。この場合、基点ＣＬ１は、ブロブＢＬ１及びブロブＢＬ７を含むクラスタＣＬ１のセントロイドを示す。また、例えば、基点ＣＬ２は、クラスタＣＬ２の量子化に用いられる基点を示す。この場合、基点ＣＬ２は、ブロブＢＬ２及びブロブＢＬ４を含むクラスタＣＬ２のセントロイドを示す。
例えば、基点ＣＬ３は、クラスタＣＬ３の量子化に用いられる基点を示す。この場合、基点ＣＬ３は、ブロブＢＬ３、ブロブＢＬ８及びブロブＢＬ１０を含むクラスタＣＬ３のセントロイドを示す。また、例えば、基点ＣＬ４は、クラスタＣＬ４の量子化に用いられる基点を示す。この場合、基点ＣＬ４は、ブロブＢＬ５、ブロブＢＬ６及びブロブＢＬ９を含むクラスタＣＬ４のセントロイドを示す。
この場合、情報処理装置１００Ｃは、４つのクラスタＣＬ１～ＣＬ４の各々の中で残差ベクトルを求める。そして、情報処理装置１００Ｃは、４つのクラスタＣＬ１～ＣＬ４の各々の中で求めた残差ベクトルを用いて、量子化を行う。例えば、情報処理装置１００Ｃは、クラスタＣＬ１に属するオブジェクトについては基点ＣＬ１からの残差ベクトルを用いて、量子化を行う。残差ベクトルを用いた量子化についての詳細な説明は省略するが、情報処理装置１００Ｃは、例えば特許文献３に示す技術などを適宜用いて、残差ベクトルを用いた量子化を行う。
なお、図３４では図を用いて説明するために、ベクトルを部分ベクトルに分割していない状態を示すが、情報処理装置１００Ｃは、直積量子化により分割された部分空間ごとに基点を導出し、導出した基点を基に残差ベクトルを用いて、量子化を行ってもよい。例えば、情報処理装置１００Ｃは、ベクトルを４つの部分ベクトルに分割して直積量子化を行う場合、各部分ベクトルに対応する部分空間ごとに基点があり、その基点からの残差ベクトルを用いて、量子化を行う。
以下、図３４を参照しつつ、情報処理装置１００Ｃによるオブジェクトの量子化及び量子化による処理についての一例を説明する。図３４では、クエリオブジェクト（検索クエリ）が検索クエリＱＥ３である場合を一例として説明する。なお、以下で説明するオブジェクト（ベクトル）の量子化や直積量子化等において、特許文献３に開示された内容と同様の点については、詳細な説明を適宜省略する。
図３４の空間情報ＳＰ５２に示すように、検索クエリＱＥ３と、ノードＮ７等のクラスタＣＬ１に属する各オブジェクトに対応する各ベクトルとの距離は異なるが、情報処理装置１００Ｃは、ノードＮ７等のクラスタＣＬ１に属する各オブジェクトに対応するベクトルを用いない。この場合、検索クエリＱＥ３と各ベクトルとの距離は、例えば検索クエリＱＥ３とクラスタＣＬ１の基点ＣＬ１に対応するベクトルとの距離とみなされることとなる。すなわち、クラスタＣＬ１に属する各オブジェクトに対応するベクトルは、基点ＣＬ１に対応するベクトルに量子化される。具体的には、情報処理装置１００Ｃは、基点ＣＬ１からの各ベクトルの差分である残差ベクトルを求めて、その残差ベクトルを直積量子化（さらに部分空間に分割して量子化）する。
例えば、情報処理装置１００Ｃは、各クラスタをさらに複数の部分領域に分割し、複数の部分領域に対応する部分セントロイドをコードブックとして生成する。例えば、情報処理装置１００Ｃは、各クラスタに関する残差ベクトルの情報に基づいて、各クラスタが分割された複数の部分領域に対応する部分セントロイドを生成してもよい。
例えば、情報処理装置１００Ｃは、各クラスタに含まれるオブジェクトの数に基づいて、各クラスタの部分領域の数を決定してもよいし、所定の設定値に基づいて部分領域の数を決定してもよい。例えば、情報処理装置１００Ｃは、クラスタリングに関する種々の従来技術を適宜用いて、部分領域を決定してもよい。例えば、情報処理装置１００Ｃは、クラスタＣＬ１の各部分領域に含まれるオブジェクトとクラスタＣＬ１の基点ＣＬ１から残差ベクトルを算出し、その残差ベクトルから部分領域の部分セントロイドを生成する。例えば、情報処理装置１００Ｃは、クラスタの基点と、各部分領域の部分セントロイドとの残差ベクトルの情報を用いる。例えば、情報処理装置１００Ｃは、クラスタＣＬ１の基点ＣＬ１と、その各部分領域の部分セントロイドとの残差ベクトの情報を用いる。例えば、情報処理装置１００Ｃは、各オブジェクトに対応付けてそのオブジェクトが属する部分領域の部分セントロイドの情報を記憶する。
例えば、情報処理装置１００Ｃは、上述した情報を用いることにより、各オブジェクトの位置をそのベクトルが属する部分領域のセントロイドの位置に量子化することができる。これにより、情報処理装置１００Ｃは、検索クエリＱＥ３と各オブジェクトとの距離を、検索クエリＱＥ３と各オブジェクトが属する部分領域の部分セントロイドに対応するベクトルとの距離まで細部化することができる。
例えば、情報処理装置１００Ｃは、各クラスタの基点のベクトルと、部分セントロイドに関する残差ベクトルとを示す情報とを用いる。これにより、情報処理装置１００Ｃは、例えば検索クエリＱＥ３に対して、部分セントロイドまでの距離を算出することができる。したがって、情報処理装置１００Ｃは、例えば検索クエリＱＥ３と各オブジェクトとの距離を、クラスタの基点よりもさらに近似した部分セントロイドまでの距離とすることができる。
なお、情報処理装置１００Ｃは、各オブジェクトのベクトルを複数の部分ベクトルに分割して処理してもよい。すなわち、情報処理装置１００Ｃは、いわゆる直積量子化に関する技術を用いて、処理を行ってもよい。この点については、上述した第１の実施形態等と同様であるため、重複する説明は適宜省略する。
例えば、図３４の場合、情報処理装置１００Ｃは、検索クエリＱＥ３のベクトルを複数の部分ベクトル（「検索クエリＱＥ３の部分ベクトル」ともいう）に分割する。この場合、空間情報ＳＰ５２も複数の部分空間（「空間情報ＳＰ５２の部分空間」ともいう）に分割される。例えば、情報処理装置１００Ｃは、図１と同様に検索クエリＱＥ３のベクトルを４分割してもよい。この場合、空間情報ＳＰ５２も４つの部分空間に分割され、各クラスタが複数の部分空間に分割される。
例えば、情報処理装置１００Ｃは、４つの部分空間において各オブジェクトが属する領域に対応する部分セントロイド（コードブック）を示す情報を、各オブジェクトに対応付けて記憶する。例えば、情報処理装置１００Ｃは、各オブジェクトに対応する４つのコードブックと検索クエリＱＥ３との距離を合計することにより、各オブジェクトと検索クエリＱＥ３との距離を算出する。
次に、図３５及び図３６を用いて、転置インデックスの概要を説明する。図３５は、第４の実施形態に係る転置インデックスの一例を示す図である。図３６は、第４の実施形態に係る転置インデックスの具体例を示す図である。
まず、図３５に示す転置インデックスＩＮＤ１について説明する。図３５に示す転置インデックスＩＮＤ１は、「ブロブＩＤ」、「クラスタＩＤ」、「量子化オブジェクト数」、「量子化オブジェクト＃１」、「量子化オブジェクト＃２」、「量子化オブジェクト＃３」、および「量子化オブジェクト＃４」等といった項目が含まれる。なお、図３５では、「量子化オブジェクト＃１」～「量子化オブジェクト＃４」までの４つを図示するが、転置インデックスＩＮＤ１には、「量子化オブジェクト＃５」、「量子化オブジェクト＃６」等、各ブロブに属するオブジェクト数に対応する数の項目が含まれる。
「ブロブＩＤ」は、第１グループであるブロブを識別するための識別情報を示す。「クラスタＩＤ」は、第２グループであるクラスタを識別するための識別情報を示す。「量子化オブジェクト数」は、ブロブに属するオブジェクト数を示す。「量子化オブジェクト＃１」～「量子化オブジェクト＃４」は、量子化されたオブジェクトを示す。例えば、「量子化オブジェクト＃１」～「量子化オブジェクト＃４」には、オブジェクトが直積量子化され、各部分ベクトルに対応するコードブックを示す情報の一覧が記憶される。
図３５の例では、ブロブＩＤ「１」であるブロブは、クラスタＩＤ「２」であるクラスタに属し、属するオブジェクト数が４つであることを示す。また、ブロブＩＤ「１」であるブロブについて、「量子化オブジェクト＃１」には「４、２、８、１０」が格納され、そのオブジェクトが４つの部分ベクトルで構成され、それぞれコードブック「４」、「２」、「８」、「１０」で量子化されていることを示す。例えば、ブロブＩＤ「１」の「量子化オブジェクト＃１」に対応するオブジェクトについては、４つ分割された部分ベクトルのうち、最初の部分ベクトルがコードブック「４」で量子化され、２番目の部分ベクトルがコードブック「２」で量子化され、３番目の部分ベクトルがコードブック「８」で量子化され、最後の部分ベクトルがコードブック「１０」で量子化されることを示す。
なお、転置インデックスＩＮＤ１は、上記に限らず、目的に応じて種々の情報を記憶してもよい。例えば、転置インデックスＩＮＤ１は、各量子化オブジェクトを示す情報（オブジェクトＩＤ等）を各量子化オブジェクトに対応付けて記憶してもよい。
次に、図３６に示す転置インデックスＩＮＤ２について説明する。図３６は、図３２に等に示す例と対応する転置インデックスの具体例を示す。なお、転置インデックスＩＮＤ１と同様の点については適宜説明を省略する。図３６に示す転置インデックスＩＮＤ２は、「ブロブＩＤ」、「クラスタＩＤ」、「量子化オブジェクト数」、「量子化オブジェクト＃１」等といった項目が含まれる。なお、図３６では、「量子化オブジェクト＃１」のみを図示するが、転置インデックスＩＮＤ１と同様に各ブロブに属するオブジェクト数に対応する数の項目が含まれる。
転置インデックスＩＮＤ２では、図３２に示す空間情報ＳＰ５１と同様に、ブロブＩＤ「ＢＬ１」により識別されるブロブＢＬ１は、クラスタＩＤ「ＣＬ１」であるクラスタＣＬ１に属することを示す。また、ブロブＢＬ１に属するオブジェクト数は、「ＮＭ１」であることを示す。なお、図３６では「ＮＭ１」といった抽象的な符号で示すが、「量子化オブジェクト数」には、転置インデックスＩＮＤ１と同様に具体的な数を示す値（例えば１０や１００等）が記憶される。
また、ブロブＢＬ１は、「量子化オブジェクト＃１」には「ＣＤ５１、ＣＤ６４、ＣＤ７７、ＣＤ８２」が格納され、そのオブジェクトが４つの部分ベクトルで構成され、それぞれコードブック「ＣＤ５１」、「ＣＤ６４」、「ＣＤ７７」、「ＣＤ８２」で量子化されていることを示す。
また、転置インデックスＩＮＤ２では、図３２に示す空間情報ＳＰ５１と同様に、ブロブＩＤ「ＢＬ２」により識別されるブロブＢＬ２は、クラスタＩＤ「ＣＬ２」であるクラスタＣＬ２に属することを示す。また、転置インデックスＩＮＤ２では、図３２に示す空間情報ＳＰ５１と同様に、ブロブＩＤ「ＢＬ７」により識別されるブロブＢＬ７は、クラスタＩＤ「ＣＬ１」であるクラスタＣＬ１に属することを示す。
なお、転置インデックスＩＮＤ２は、上記に限らず、目的に応じて種々の情報を記憶してもよい。例えば、転置インデックスＩＮＤ２は、各量子化オブジェクトを示す情報（オブジェクトＩＤ等）を各量子化オブジェクトに対応付けて記憶してもよい。このように、転置インデックスには、クラスタを識別する情報（クラスタＩＤ）が付与されており、情報処理装置１００Ｃは、転置インデックスを用いて残差ベクトルを算出する。例えば、残差ベクトルはインデックスの生成および検索時に用いられるが、特許文献３等の従来技術における処理と同様であるため詳細な説明を適宜省略する。
〔４－４．情報処理のフロー〕
次に、図３７及び図３８を用いて、第４の実施形態に係る情報処理の手順について説明する。図３７及び図３８は、第４の実施形態に係る情報処理の一例を示すフローチャートである。
まず、図３７について説明する。例えば、図３７は、グループの生成処理の一例を示すフローチャートである。図３７に示すように、情報処理装置１００Ｃは、データ検索の対象となる複数のオブジェクトを示すオブジェクト情報を取得する（ステップＳ６０１）。例えば、情報処理装置１００Ｃは、オブジェクト情報記憶部１２１から複数のオブジェクトを示すオブジェクト情報を取得する。
情報処理装置１００Ｃは、オブジェクト情報に基づいて、複数のオブジェクトを分類する複数の第１グループを示す第１グループ情報を生成する（ステップＳ６０２）。例えば、情報処理装置１００Ｃは、オブジェクト情報に基づいて、複数のオブジェクトを分類する複数のブロブを示すブロブ情報を生成する。
情報処理装置１００Ｃは、複数の第１グループとは異なる分類となるグループであって、複数のオブジェクトのうち、複数の第１グループにおいて同じ第１グループに属するオブジェクトを同じグループに分類するグループである複数の第２グループを示す第２グループ情報を生成する（ステップＳ６０３）。例えば、情報処理装置１００Ｃは、少なくとも１つのクラスタが２つ以上のブロブを含む複数のクラスタを示すクラスタ情報を生成する。なお、情報処理装置１００Ｃは、ブロブと一対一に対応するクラスタを示すクラスタ情報を生成してもよい。
次に、図３８について説明する。例えば、図３８は、グループを用いた処理の一例を示すフローチャートである。図３８に示すように、情報処理装置１００Ｃは、データ検索の対象となる複数のオブジェクトを分類する複数の第１グループと、複数の第１グループとは異なる分類となるグループであって、複数のオブジェクトのうち、複数の第１グループにおいて同じ第１グループに属するオブジェクトを同じグループに分類するグループである複数の第２グループとを示す処理用情報を取得する（ステップＳ７０１）。例えば、情報処理装置１００Ｃは、ブロブ情報記憶部１２５に記憶されたブロブ情報と、クラスタ情報記憶部１２７に記憶されたクラスタ情報とを処理用情報として取得する。例えば、情報処理装置１００Ｃは、転置インデックスＩＮＤ１または転置インデックスＩＮＤ２を取得する。
情報処理装置１００Ｃは、処理用情報を用いて、第１グループに属するオブジェクトを対象とする第１処理と、第２グループに属するオブジェクトを対象とする第２処理とを実行する（ステップＳ７０２）。例えば、情報処理装置１００Ｃは、ブロブに属するオブジェクトを対象とする一括処理を実行し、クラスタに属するオブジェクトを対象とする量子化を実行する。
〔５．効果〕
上述してきたように、第４の実施形態に係る情報処理装置１００Ｃは、取得部１３１と、生成部１３２Ｃとを有する。取得部１３１は、データ検索の対象となる複数のオブジェクトを示すオブジェクト情報を取得する。生成部１３２Ｃは、取得部１３１により取得されたオブジェクト情報に基づいて、複数のオブジェクトを分類する複数の第１グループを示す第１グループ情報と、複数の第１グループとは異なる分類となるグループであって、複数のオブジェクトのうち、複数の第１グループにおいて同じ第１グループに属するオブジェクトを同じグループに分類するグループである複数の第２グループを示す第２グループ情報とを生成する。
このように、第４の実施形態に係る情報処理装置１００Ｃは、データ検索の対象となる複数のオブジェクトを分類する複数の第１グループを示す第１グループ情報と、複数の第１グループとは異なる分類となる複数の第２グループを示す第２グループ情報とを生成することで、複数のオブジェクトを分類する２種類のグループを生成することができ、オブジェクトを分類するグループを生成することができる。
生成部１３２Ｃは、複数のオブジェクトを第１数の第１グループに分類する第１グループ情報と、複数のオブジェクトを第１数よりも少ない第２数の第２グループに分類する第２グループ情報とを生成する。
このように、情報処理装置１００Ｃは、各々グループの数が異なる２種類のグループを生成することができ、オブジェクトを分類するグループを生成することができる。
生成部１３２Ｃは、複数の第１グループのうち二以上の第１グループの各々に属するオブジェクト群が一の第２グループに分類された複数の第２グループを示す第２グループ情報を生成する。
このように、情報処理装置１００Ｃは、包含関係のある２種類のグループを生成することができ、オブジェクトを分類するグループを生成することができる。
生成部１３２Ｃは、複数のオブジェクトを対象とする検索処理において一括処理を行うために用いられる複数の第１グループを示す第１グループ情報を生成する。
このように、情報処理装置１００Ｃは、検索処理において一括処理を行うために用いられる第１グループを含む２種類のグループを生成することができ、オブジェクトを分類するグループを生成することができる。
生成部１３２Ｃは、複数のオブジェクトに関する距離の算出を一括して行うために用いられる複数の第１グループを示す第１グループ情報を生成する。
このように、情報処理装置１００Ｃは、距離の算出を一括して行うために用いられる第１グループを含む２種類のグループを生成することができ、オブジェクトを分類するグループを生成することができる。
生成部１３２Ｃは、検索処理で用いられる検索クエリとオブジェクトとの距離の算出を並列処理するために用いられる複数の第１グループを示す第１グループ情報を生成する。
このように、情報処理装置１００Ｃは、検索処理で用いられる検索クエリとオブジェクトとの距離の算出を並列処理するために用いられる第１グループを含む２種類のグループを生成することができ、オブジェクトを分類するグループを生成することができる。
生成部１３２Ｃは、複数のオブジェクトを対象とする量子化に関する処理を行うために用いられる複数の第２グループを示す第２グループ情報を生成する。
このように、情報処理装置１００Ｃは、複数のオブジェクトを対象とする量子化に関する処理を行うために用いられる第２グループを含む２種類のグループを生成することができ、オブジェクトを分類するグループを生成することができる。
生成部１３２Ｃは、量子化の単位となる複数の第２グループを示す第２グループ情報を生成する。
このように、情報処理装置１００Ｃは、量子化の単位となる第２グループを含む２種類のグループを生成することができ、オブジェクトを分類するグループを生成することができる。
生成部１３２Ｃは、複数のオブジェクトの各々に対応するベクトルを量子化するために用いられる複数の第２グループを示す第２グループ情報を生成する。
このように、情報処理装置１００Ｃは、複数のオブジェクトの各々に対応するベクトルを量子化するために用いられる第２グループを含む２種類のグループを生成することができ、オブジェクトを分類するグループを生成することができる。
生成部１３２Ｃは、複数の第１グループの分類後に、複数の第２グループの分類を行う。
このように、情報処理装置１００Ｃは、第１グループの分類、第２グループの分類の順でグループの情報を生成する処理を行うことで、オブジェクトを分類するグループを生成することができる。
生成部１３２Ｃは、複数のオブジェクトをクラスタリングすることにより複数の第１グループを示す第１グループ情報を生成する。
このように、情報処理装置１００Ｃは、複数のオブジェクトをクラスタリングすることにより複数の第１グループの分類を行うことで、オブジェクトを分類するグループを生成することができる。
取得部１３１は、複数のオブジェクトを検索対象とするインデックスを示すインデックス情報を取得する。生成部１３２Ｃは、インデックス情報を用いて、複数の第１グループを示す第１グループ情報を生成する。
このように、情報処理装置１００Ｃは、インデックスを用いて複数の第１グループの分類を行う、オブジェクトを分類するグループを生成することができる。
生成部１３２Ｃは、第１グループを示す第１グループ情報を用いて、複数の第２グループを示す第２グループ情報を生成する。
このように、情報処理装置１００Ｃは、第１グループ情報を用いて、複数の第２グループを示す第２グループ情報を生成することで、第１グループの分類を基に第２グループの分類ができ、オブジェクトを分類するグループを生成することができる。
生成部１３２Ｃは、複数の第１グループをクラスタリングすることにより複数の第２グループを示す第２グループ情報を生成する。
このように、情報処理装置１００Ｃは、第１グループをクラスタリングして複数の第２グループを示す第２グループ情報を生成することで、第１グループの分類を基に第２グループの分類ができ、オブジェクトを分類するグループを生成することができる。
生成部１３２Ｃは、複数の第２グループの分類後に、複数の第１グループの分類を行う。
このように、情報処理装置１００Ｃは、第２グループの分類、第１グループの分類の順でグループの情報を生成する処理を行うことで、オブジェクトを分類するグループを生成することができる。
生成部１３２Ｃは、複数のオブジェクトをクラスタリングすることにより複数の第２グループを示す第２グループ情報を生成する。
このように、情報処理装置１００Ｃは、複数のオブジェクトをクラスタリングすることにより複数の第２グループの分類を行うことで、オブジェクトを分類するグループを生成することができる。
生成部１３２Ｃは、第２グループを示す第２グループ情報を用いて、複数の第１グループを示す第１グループ情報を生成する。
このように、情報処理装置１００Ｃは、第２グループ情報を用いて、複数の第１グループを示す第１グループ情報を生成することで、第２グループの分類を基に第１グループの分類ができ、オブジェクトを分類するグループを生成することができる。
生成部１３２Ｃは、複数の第２グループのうち、少なくとも一の第２グループを分割し、二以上の第１グループを生成することにより、複数の第１グループを示す第１グループ情報を生成する。
このように、情報処理装置１００Ｃは、第２グループを分割して複数の第１グループを示す第１グループ情報を生成することで、第２グループの分類を基に第１グループの分類ができ、オブジェクトを分類するグループを生成することができる。
生成部１３２Ｃは、各第２グループに属するオブジェクトをクラスタリングすることにより、各第２グループを二以上の第１グループに分割することにより、複数の第１グループを示す第１グループ情報を生成する。
このように、情報処理装置１００Ｃは、各第２グループに属するオブジェクトをクラスタリングすることにより、各第２グループを二以上の第１グループに分割して複数の第１グループを示す第１グループ情報を生成することで、第２グループの分類を基に第１グループの分類ができ、オブジェクトを分類するグループを生成することができる。
〔６．ハードウェア構成〕
上述してきた各実施形態に係る情報処理装置１００、１００Ａ、１００Ｂ、１００Ｃは、例えば図３９に示すような構成のコンピュータ１０００によって実現される。図３９は、情報処理装置の機能を実現するコンピュータの一例を示すハードウェア構成図である。コンピュータ１０００は、ＣＰＵ１１００、ＲＡＭ１２００、ＲＯＭ（Read Only Memory）１３００、ＨＤＤ（Hard Disk Drive）１４００、通信インターフェイス（Ｉ／Ｆ）１５００、入出力インターフェイス（Ｉ／Ｆ）１６００、及びメディアインターフェイス（Ｉ／Ｆ）１７００を有する。
ＣＰＵ１１００は、ＲＯＭ１３００またはＨＤＤ１４００に格納されたプログラムに基づいて動作し、各部の制御を行う。ＲＯＭ１３００は、コンピュータ１０００の起動時にＣＰＵ１１００によって実行されるブートプログラムや、コンピュータ１０００のハードウェアに依存するプログラム等を格納する。
ＨＤＤ１４００は、ＣＰＵ１１００によって実行されるプログラム、及び、かかるプログラムによって使用されるデータ等を格納する。通信インターフェイス１５００は、ネットワークＮを介して他の機器からデータを受信してＣＰＵ１１００へ送り、ＣＰＵ１１００が生成したデータをネットワークＮを介して他の機器へ送信する。
ＣＰＵ１１００は、入出力インターフェイス１６００を介して、ディスプレイやプリンタ等の出力装置、及び、キーボードやマウス等の入力装置を制御する。ＣＰＵ１１００は、入出力インターフェイス１６００を介して、入力装置からデータを取得する。また、ＣＰＵ１１００は、生成したデータを入出力インターフェイス１６００を介して出力装置へ出力する。
メディアインターフェイス１７００は、記録媒体１８００に格納されたプログラムまたはデータを読み取り、ＲＡＭ１２００を介してＣＰＵ１１００に提供する。ＣＰＵ１１００は、かかるプログラムを、メディアインターフェイス１７００を介して記録媒体１８００からＲＡＭ１２００上にロードし、ロードしたプログラムを実行する。記録媒体１８００は、例えばＤＶＤ（Digital Versatile Disc）、ＰＤ（Phase change rewritable Disk）等の光学記録媒体、ＭＯ（Magneto-Optical disk）等の光磁気記録媒体、テープ媒体、磁気記録媒体、または半導体メモリ等である。
例えば、コンピュータ１０００が第１の実施形態に係る情報処理装置１００として機能する場合、コンピュータ１０００のＣＰＵ１１００は、ＲＡＭ１２００上にロードされたプログラムを実行することにより、制御部１３０の機能を実現する。コンピュータ１０００のＣＰＵ１１００は、これらのプログラムを記録媒体１８００から読み取って実行するが、他の例として、他の装置からネットワークＮを介してこれらのプログラムを取得してもよい。
以上、本願の実施形態のいくつかを図面に基づいて詳細に説明したが、これらは例示であり、発明の開示の行に記載の態様を始めとして、当業者の知識に基づいて種々の変形、改良を施した他の形態で本発明を実施することが可能である。
〔７．その他〕
また、上記実施形態において説明した各処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。例えば、各図に示した各種情報は、図示した情報に限られない。
また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。
また、上述してきた各実施形態に記載された各処理は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。
また、上述してきた「部（section、module、unit）」は、「手段」や「回路」などに読み替えることができる。例えば、取得部は、取得手段や取得回路に読み替えることができる。
１ 情報処理システム
１０ 端末装置
５０ 情報提供装置
１００、１００Ａ、１００Ｂ、１００Ｃ 情報処理装置
１２０、１２０Ａ、１２０Ｂ、１２０Ｃ 記憶部
１２１ オブジェクト情報記憶部
１２２ グラフ情報記憶部
１２３、１２３Ａ 量子化情報記憶部
１２４ コードブック情報記憶部
１２５、１２５Ａ ブロブ情報記憶部
１２６、１２６Ａ ブロブ連結グラフ情報記憶部
１３０、１３０Ａ、１３０Ｂ、１３０Ｃ 制御部
１３１ 取得部
１３２、１３２Ａ、１３２Ｂ、１３２Ｃ 生成部
１３３、１３３Ａ、１３３Ｂ、１３３Ｃ 検索処理部（処理部）
１３４ 提供部

Claims (20)

  1. データ検索の対象となる複数のオブジェクトを示すオブジェクト情報を、前記オブジェクト情報を記憶する記憶部から取得する取得部と、
    前記取得部により前記記憶部から取得された前記オブジェクト情報が示す前記複数のオブジェクトを対象としたクラスタリング処理により、前記複数のオブジェクトを分類する複数の第１グループを示す第１グループ情報と、前記複数の第１グループとは異なる分類となるグループであって、前記複数のオブジェクトのうち、前記複数の第１グループにおいて同じ第１グループに属するオブジェクトを同じグループに分類するグループである複数の第２グループを示す第２グループ情報とを生成し、前記複数の第１グループ間をエッジで連結したグラフ情報を生成する生成部と、
    前記生成部により生成された前記グラフ情報を用いた検索処理を実行する検索処理部と、
    を備えることを特徴とする情報処理装置。
  2. 前記生成部は、
    前記複数のオブジェクトを第１数の第１グループに分類する前記第１グループ情報と、前記複数のオブジェクトを前記第１数よりも少ない第２数の第２グループに分類する前記第２グループ情報とを生成する
    ことを特徴とする請求項１に記載の情報処理装置。
  3. 前記生成部は、
    前記複数の第１グループのうち二以上の第１グループの各々に属するオブジェクト群が一の第２グループに分類された前記複数の第２グループを示す前記第２グループ情報を生成する
    ことを特徴とする請求項１または請求項２に記載の情報処理装置。
  4. 前記生成部は、
    前記複数のオブジェクトを第１グループに分類するクラスタリング処理、または前記複数の第２グループに分類されたオブジェクト群を第１グループに分類するクラスタリング処理により、前記複数のオブジェクトを対象とする検索処理において一括処理を行うために用いられる前記複数の第１グループを示す前記第１グループ情報を生成する
    ことを特徴とする請求項１～３のいずれか１項に記載の情報処理装置。
  5. 前記生成部は、
    前記複数のオブジェクトに関する距離の算出を一括して行うために用いられる前記複数の第１グループを示す前記第１グループ情報を生成する
    ことを特徴とする請求項４に記載の情報処理装置。
  6. 前記生成部は、
    前記検索処理で用いられる検索クエリとオブジェクトとの距離の算出を並列処理するために用いられる前記複数の第１グループを示す前記第１グループ情報を生成する
    ことを特徴とする請求項４または請求項５に記載の情報処理装置。
  7. 前記生成部は、
    前記複数のオブジェクトを第２グループに分類するクラスタリング処理、または前記複数の第１グループを第２グループに分類するクラスタリング処理により、前記複数のオブジェクトを対象とする量子化に関する処理を行うために用いられる前記複数の第２グループを示す前記第２グループ情報を生成する
    ことを特徴とする請求項１～６のいずれか１項に記載の情報処理装置。
  8. 前記生成部は、
    前記量子化の単位となる前記複数の第２グループを示す前記第２グループ情報を生成する
    ことを特徴とする請求項７に記載の情報処理装置。
  9. 前記生成部は、
    前記複数のオブジェクトの各々に対応するベクトルを量子化するために用いられる前記複数の第２グループを示す前記第２グループ情報を生成する
    ことを特徴とする請求項７または請求項８に記載の情報処理装置。
  10. 前記生成部は、
    前記複数の第１グループの分類後に、前記複数の第２グループの分類を行う
    ことを特徴とする請求項１～９のいずれか１項に記載の情報処理装置。
  11. 前記生成部は、
    前記複数のオブジェクトをクラスタリングすることにより前記複数の第１グループを示す前記第１グループ情報を生成する
    ことを特徴とする請求項１０に記載の情報処理装置。
  12. 前記生成部は、
    前記第１グループを示す前記第１グループ情報を用いて、前記複数の第２グループを示す前記第２グループ情報を生成する
    ことを特徴とする請求項１０または請求項１１に記載の情報処理装置。
  13. 前記生成部は、
    前記複数の第１グループをクラスタリングすることにより前記複数の第２グループを示す前記第２グループ情報を生成する
    ことを特徴とする請求項１０～１２のいずれか１項に記載の情報処理装置。
  14. 前記生成部は、
    前記複数の第２グループの分類後に、前記複数の第１グループの分類を行う
    ことを特徴とする請求項１～９のいずれか１項に記載の情報処理装置。
  15. 前記生成部は、
    前記複数のオブジェクトをクラスタリングすることにより前記複数の第２グループを示す前記第２グループ情報を生成する
    ことを特徴とする請求項１４に記載の情報処理装置。
  16. 前記生成部は、
    前記第２グループを示す前記第２グループ情報を用いて、前記複数の第１グループを示す前記第１グループ情報を生成する
    ことを特徴とする請求項１４または請求項１５に記載の情報処理装置。
  17. 前記生成部は、
    前記複数の第２グループのうち、少なくとも一の第２グループを分割し、二以上の第１グループを生成することにより、前記複数の第１グループを示す前記第１グループ情報を生成する
    ことを特徴とする請求項１４～１６のいずれか１項に記載の情報処理装置。
  18. 前記生成部は、
    各第２グループに属するオブジェクトをクラスタリングすることにより、前記各第２グループを二以上の第１グループに分割することにより、前記複数の第１グループを示す前記第１グループ情報を生成する
    ことを特徴とする請求項１４～１７のいずれか１項に記載の情報処理装置。
  19. コンピュータが実行する情報処理方法であって、
    データ検索の対象となる複数のオブジェクトを示すオブジェクト情報を、前記オブジェクト情報を記憶する記憶部から取得する取得工程と、
    前記取得工程により前記記憶部から取得された前記オブジェクト情報が示す前記複数のオブジェクトを対象としたクラスタリング処理により、前記複数のオブジェクトを分類する複数の第１グループを示す第１グループ情報と、前記複数の第１グループとは異なる分類となるグループであって、前記複数のオブジェクトのうち、前記複数の第１グループにおいて同じ第１グループに属するオブジェクトを同じグループに分類するグループである複数の第２グループを示す第２グループ情報とを生成し、前記複数の第１グループ間をエッジで連結したグラフ情報を生成する生成工程と、
    前記生成工程により生成された前記グラフ情報を用いた検索処理を実行する検索処理工程と、
    を含むことを特徴とする情報処理方法。
  20. データ検索の対象となる複数のオブジェクトを示すオブジェクト情報を、前記オブジェクト情報を記憶する記憶部から取得する取得手順と、
    前記取得手順により前記記憶部から取得された前記オブジェクト情報が示す前記複数のオブジェクトを対象としたクラスタリング処理により、前記複数のオブジェクトを分類する複数の第１グループを示す第１グループ情報と、前記複数の第１グループとは異なる分類となるグループであって、前記複数のオブジェクトのうち、前記複数の第１グループにおいて同じ第１グループに属するオブジェクトを同じグループに分類するグループである複数の第２グループを示す第２グループ情報とを生成し、前記複数の第１グループ間をエッジで連結したグラフ情報を生成する生成手順と、
    前記生成手順により生成された前記グラフ情報を用いた検索処理を実行する検索処理手順と、
    をコンピュータに実行させることを特徴とする情報処理プログラム。
JP2021118331A 2021-07-16 2021-07-16 情報処理装置、情報処理方法、及び情報処理プログラム Active JP7471264B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2021118331A JP7471264B2 (ja) 2021-07-16 2021-07-16 情報処理装置、情報処理方法、及び情報処理プログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2021118331A JP7471264B2 (ja) 2021-07-16 2021-07-16 情報処理装置、情報処理方法、及び情報処理プログラム

Publications (2)

Publication Number Publication Date
JP2023013868A JP2023013868A (ja) 2023-01-26
JP7471264B2 true JP7471264B2 (ja) 2024-04-19

Family

ID=85128720

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2021118331A Active JP7471264B2 (ja) 2021-07-16 2021-07-16 情報処理装置、情報処理方法、及び情報処理プログラム

Country Status (1)

Country Link
JP (1) JP7471264B2 (ja)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017219929A (ja) 2016-06-03 2017-12-14 ヤフー株式会社 生成装置、生成方法、及び生成プログラム
JP2018101225A (ja) 2016-12-19 2018-06-28 ヤフー株式会社 生成装置、生成方法、及び生成プログラム
JP2020027590A (ja) 2018-08-17 2020-02-20 Ｚホールディングス株式会社 情報処理装置、情報処理方法、及び情報処理プログラム

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017219929A (ja) 2016-06-03 2017-12-14 ヤフー株式会社 生成装置、生成方法、及び生成プログラム
JP2018101225A (ja) 2016-12-19 2018-06-28 ヤフー株式会社 生成装置、生成方法、及び生成プログラム
JP2020027590A (ja) 2018-08-17 2020-02-20 Ｚホールディングス株式会社 情報処理装置、情報処理方法、及び情報処理プログラム

Also Published As

Publication number Publication date
JP2023013868A (ja) 2023-01-26

Similar Documents

Publication Publication Date Title
Schreiber et al. apricot: Submodular selection for data summarization in Python
WO2013129580A1 (ja) 近似最近傍探索装置、近似最近傍探索方法およびそのプログラム
JPWO2014136810A1 (ja) 類似データ検索装置、類似データ検索方法、及びプログラム
US9619501B2 (en) Index scan device and index scan method
EP3115908A1 (en) Method and apparatus for multimedia content indexing and retrieval based on product quantization
JP7354014B2 (ja) 情報処理装置、情報処理方法及び情報処理プログラム
JP7353737B2 (ja) 情報処理装置、情報処理方法、及び情報処理プログラム
JP2020086662A (ja) 情報処理装置、情報処理方法、及び情報処理プログラム
JP7471264B2 (ja) 情報処理装置、情報処理方法、及び情報処理プログラム
JP7469262B2 (ja) 情報処理装置、情報処理方法、及び情報処理プログラム
EP3115909A1 (en) Method and apparatus for multimedia content indexing and retrieval based on product quantization
JP7353330B2 (ja) 情報処理装置、情報処理方法、及び情報処理プログラム
JP5224537B2 (ja) 局所性検知可能ハッシュの構築装置、類似近傍検索処理装置及びプログラム
JP7354188B2 (ja) 情報処理装置、情報処理方法、及び情報処理プログラム
JP7109522B2 (ja) 情報処理装置、情報処理方法、及び情報処理プログラム
JP7077387B1 (ja) 情報処理装置、情報処理方法、及び情報処理プログラム
JPWO2016043121A1 (ja) 情報処理装置、情報処理方法、及びプログラム
JP2023086434A (ja) 情報処理装置、情報処理方法、及び情報処理プログラム
Zhang et al. Interpretable domain adaptation for hidden subdomain alignment in the context of pre-trained source models
JP2004046612A (ja) データマッチング方法、データマッチング装置、データマッチングプログラムおよびコンピュータで読み取り可能な記録媒体
JP2024027034A (ja) 情報処理装置、情報処理方法、及び情報処理プログラム
JP2024027038A (ja) 情報処理装置、情報処理方法、及び情報処理プログラム
JP6933636B2 (ja) 情報処理装置、情報処理方法、及び情報処理プログラム
WO2021044519A1 (ja) 情報処理装置、プログラム及び情報処理方法
CN109299260B (zh) 数据分类方法、装置以及计算机可读存储介质

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20221117

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20230929

A711 Notification of change in applicant

Free format text: JAPANESE INTERMEDIATE CODE: A712

Effective date: 20231026

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20231031

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20231218

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20240319

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20240409

R150 Certificate of patent or registration of utility model

Ref document number: 7471264

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150