近似查询方法及装置制造方法及图纸

本发明专利技术实施例提供的一种近似查询方法及装置，通过获取待查询数据，对所述待查询数据进行划分获得数据序列段；对每个数据序列段进行特征映射，获得各数据序列段对应特征值，根据所述特征值生成特征序列；获取相似度阈值，根据所述特征序列和相似度阈值在预设的B+树索引结构中获得对应的结果特征序列；将对应于所述结果特征序列的结果数据显示，可以更好的支持内存空间进行严格限制及数据频繁更新的情况，并且可以提供高效、稳定的近似查询。

Approximate Query Method and Device

【技术实现步骤摘要】
近似查询方法及装置
本专利技术涉及信息处理
，尤其涉及一种近似查询方法及装置。
技术介绍
随着近似查询(SimilaritySearch)，即查找符合要求的数据对象，作为计算机学科中一个重要的问题，在多个领域内均有极其广泛的应用，例如信息检索、相似图像检索、数据清洗、生物序列分析等。在信息检索中，应用近似查询进行检索，可以使检索的效率以及准确率得到极大的提升。在数据清洗中，应用近似查询技术，可以对重复记录进行检测，提供准确、一致的数据。在相似图像检索的过程中，应用近似查询算法对检索过程提供支持，可以对图像的来源进行分析，查找出高质量的图像。在生物序列分析中，应用近似查询技术，可以极大地提升查询效率。因此，提高近似查询效率至关重要。
技术实现思路
本专利技术实施例提供一种近似查询方法及装置，用于解决现有技术中查询效率低的问题。第一方面，本专利技术实施例提供一种近似查询方法，包括：获取待查询数据，对所述待查询数据进行划分获得数据序列段；对每个数据序列段进行特征映射，获得各数据序列段对应特征值，根据所述特征值生成特征序列；获取相似度阈值，根据所述特征序列和相似度阈值在预设的B+树索引结构中获得对应的结果特征序列；将对应于所述结果特征序列的结果数据显示。可选地，所述预设的B+树索引结构的建立，包括：获取样本数据，对每个样本数据进行分别划分获得数据序列段；对每个数据序列段进行特征映射，获得各数据序列段对应特征值，相同数据序列段的特征值相同；根据所有样本数据的特征值建立B+树索引结构。可选地，在对所述待查询数据进行划分获得数据序列段之后，还需将数据序列段与预设的无效数据库中的无效序列段进行匹配，将匹配成功的数据序列段作为无效数据库进行删除处理。可选地，所述根据所述特征序列和相似度阈值在预设的B+树索引结构中获得对应的结果特征序列，包括：根据预设的B+树索引结构采用多级过滤方式匹配获得候选结果特征序列集；根据相似度阈值对候选结果特征序列集进行验证，获得所需的结果特征序列。第二方面，本专利技术实施例提供一种近似查询装置，包括：获取模块，用于获取待查询数据，对所述待查询数据进行划分获得数据序列段；映射模块，用于对每个数据序列段进行特征映射，获得各数据序列段对应特征值，根据所述特征值生成特征序列；处理模块，用于获取相似度阈值，根据所述特征序列和相似度阈值在预设的B+树索引结构中获得对应的结果特征序列；显示模块，用于将对应于所述结果特征序列的结果数据显示。可选地，还包括建立模块，用于：获取样本数据，对每个样本数据进行分别划分获得数据序列段；对每个数据序列段进行特征映射，获得各数据序列段对应特征值，相同数据序列段的特征值相同；根据所有样本数据的特征值建立B+树索引结构。可选地，还包括筛选模块，用于：在对所述待查询数据进行划分获得数据序列段之后，还需将数据序列段与预设的无效数据库中的无效序列段进行匹配，将匹配成功的数据序列段作为无效数据库进行删除处理。可选地，所述处理模块具体用于：根据预设的B+树索引结构采用多级过滤方式匹配获得候选结果特征序列集；根据相似度阈值对候选结果特征序列集进行验证，获得所需的结果特征序列。第三方面，本专利技术实施例提供一种电子设备，包括：处理器、存储器、总线及存储在存储器上并可在处理器上运行的计算机程序；其中，所述处理器，存储器通过所述总线完成相互间的通信；所述处理器执行所述计算机程序时实现如上述的方法。第四方面，本专利技术实施例提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现如上述的方法。由上述技术方案可知，本专利技术实施例提供的一种近似查询方法及装置，通过获取待查询数据，对所述待查询数据进行划分获得数据序列段；对每个数据序列段进行特征映射，获得各数据序列段对应特征值，根据所述特征值生成特征序列；获取相似度阈值，根据所述特征序列和相似度阈值在预设的B+树索引结构中获得对应的结果特征序列；将对应于所述结果特征序列的结果数据显示，可以更好的支持内存空间进行严格限制及数据频繁更新的情况，并且可以提供高效、稳定的近似查询。附图说明图1为本专利技术一实施例提供的近似查询方法的流程示意图；图2为本专利技术一实施例提供的近似查询装置的结构示意图；图3为本专利技术一实施例提供的电子设备的结构示意图。具体实施方式下面结合附图和实施例，对本专利技术的具体实施方式作进一步详细描述。以下实施例用于说明本专利技术，但不用来限制本专利技术的范围。图1示出了本专利技术一实施例提供一种近似查询方法，包括：S11、获取待查询数据，对所述待查询数据进行划分获得数据序列段；S12、对每个数据序列段进行特征映射，获得各数据序列段对应特征值，根据所述特征值生成特征序列；S13、获取相似度阈值，根据所述特征序列和相似度阈值在预设的B+树索引结构中获得对应的结果特征序列；S14、将对应于所述结果特征序列的结果数据显示。针对上述步骤S11-步骤S14，需要说明的是，在本专利技术实施例中，用户在终端上搜索引擎的输入框内输入待查询数据，待查询数据一般为文本数据。如“我们的世界是美好的”。服务器获得待查询数据后对其进行划分，划分出数据序列段。如对“我们的世界是美好的”进行划分，划分的数据序列段可为“我们”、“们的”、“的世”、“世界”等等。另外，为了更好的进行后续查询，在对所述待查询数据进行划分获得数据序列段之后，还可将数据序列段与预设的无效数据库中的无效序列段进行匹配，将匹配成功的数据序列段作为无效数据库进行删除处理。在这里，无效序列段为不常用字段、停用词等。如对划分的数据序列段可为“我们”、“们的”、“的世”、“世界”进行删除处理，可删除“们的”、“的世”等等。数据序列段获取后，对每个数据序列段进行特征映射，获得各数据序列段对应特征值，根据所述特征值生成特征序列。即待查询数据对应一个特征序列。数据映射，就是构造一个哈希函数，将不同的特征映射到哈希桶中，之后统计每个桶中特征的数量，从而形成一组向量，这样就完成了数据的映射，将长度不确定的特征集合，映射成固定维度的向量。经过特征提取，可以简化运算，提升算法的稳定性。在本专利技术实施例中，可获取大量样本数据，对样本数据进行分别划分获得数据序列段；对每个数据序列段进行特征映射，获得各数据序列段对应特征值，相同数据序列段的特征值相同。根据所有样本数据的特征值建立B+树索引结构。在这里，根据样本数据的特征值建立B+树索引结构属于成熟技术，在构建过程中，还可利用K-Means++算法对索引创建过程进行优化。所述根据所述特征序列和相似度阈值在预设的B+树索引结构中获得对应的结果特征序列，包括：1)根据预设的B+树索引结构采用多级过滤方式匹配获得候选结果特征序列集；2)根据相似度阈值对候选结果特征序列集进行验证，获得所需的结果特征序列。在本实施例中，需要说明的是，由于B+树索引结构是基于特征值创建而成，故将待查询数据的特征序列在B+树索引结构中进行匹配查询可获得所需的结果特征序列。根据预设的B+树索引结构采用多级过滤方式匹配获得候选结果特征序列集，多级过滤方式可依次进行长度过滤、前缀过滤以及基于数据映射的过滤方法，并且利用B+树索引结构进行减枝操作，降低计算的次数。然后，根据相似度阈值对候选结果特征序本文档来自技高网...

【技术保护点】
1.一种近似查询方法，其特征在于，包括：获取待查询数据，对所述待查询数据进行划分获得数据序列段；对每个数据序列段进行特征映射，获得各数据序列段对应特征值，根据所述特征值生成特征序列；获取相似度阈值，根据所述特征序列和相似度阈值在预设的B+树索引结构中获得对应的结果特征序列；将对应于所述结果特征序列的结果数据显示。

【技术特征摘要】
1.一种近似查询方法，其特征在于，包括：获取待查询数据，对所述待查询数据进行划分获得数据序列段；对每个数据序列段进行特征映射，获得各数据序列段对应特征值，根据所述特征值生成特征序列；获取相似度阈值，根据所述特征序列和相似度阈值在预设的B+树索引结构中获得对应的结果特征序列；将对应于所述结果特征序列的结果数据显示。2.根据权利要求1所述的方法，其特征在于，所述预设的B+树索引结构的建立，包括：获取样本数据，对每个样本数据进行分别划分获得数据序列段；对每个数据序列段进行特征映射，获得各数据序列段对应特征值，相同数据序列段的特征值相同；根据所有样本数据的特征值建立B+树索引结构。3.根据权利要求1所述的方法，其特征在于，在对所述待查询数据进行划分获得数据序列段之后，还需将数据序列段与预设的无效数据库中的无效序列段进行匹配，将匹配成功的数据序列段作为无效数据库进行删除处理。4.根据权利要求1所述的方法，其特征在于，所述根据所述特征序列和相似度阈值在预设的B+树索引结构中获得对应的结果特征序列，包括：根据预设的B+树索引结构采用多级过滤方式匹配获得候选结果特征序列集；根据相似度阈值对候选结果特征序列集进行验证，获得所需的结果特征序列。5.一种近似查询装置，其特征在于，包括：获取模块，用于获取待查询数据，对所述待查询数据进行划分获得数据序列段；映射模块，用于对每个数据序列段进行特征映射，获得各数据序列段对应特征值，根据所述特征...

【专利技术属性】
技术研发人员：张勇，胡庆成，李秀星，邢春晓，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京,11