一种基于表函数的数据搜索方法、系统及计算机存储介质技术方案

本发明专利技术涉及一种基于表函数的数据搜索方法、系统及计算机存储介质。该基于表函数的数据搜索方法包括：将外部信息基于预设规则进行分类；根据分类结果对所述外部信息进行特征表达；对所述特征表达的结果进行预处理；基于预处理结果生成搜索资源的目标映射关系表；通过所述目标映射关系表输出搜索问题的结果。本发明专利技术能够在保障搜索准确度的基础上，达到提高搜索效率，使得搜索结果能够得到实时反馈，满足实际运算需求的目的。实际运算需求的目的。实际运算需求的目的。

【技术实现步骤摘要】
一种基于表函数的数据搜索方法、系统及计算机存储介质


[0001]本专利技术涉及信息处理
,尤其涉及一种基于表函数的数据搜索方法、系统及计算机存储介质。

技术介绍

[0002]量子计算是计算机科学、数学和物理学交叉的新领域，是一种遵循量子力学规律调控量子信息单元进行计算的新型计算模式，作为一种新的计算模型，从计算的效率上，由于量子力学叠加性的存在，量子的叠加性是量子计算的一个很重要的特性，以输入n个量子比特为例，量子计算可以一次计算2n个数据，每个计算结果以一定的概率幅值给出，由于量子的这种特性在信息处理过程中有着特殊的性质，因而在信息的处理、信息的传输、信息的存储和信息处理的精准度等这几个方面，量子计算比经典计算要快得多。因此，将量子计算应用到国家安全、军事和产业等领域有着颠覆性影响。
[0003]目前，在整个搜索过程中，首先需要对输入的外界信息进行分析、计算，然后基于计算的结果进行问题的搜索，从庞大、无序的数据库中找到目标数据，将获取到的目标数据作为搜索问题解。通常基于问题在数据库中进行搜索时，经典算法需经过N次运算才能找到这个目标数据，在1996年的时候，Grover提出了运算速度得到平方增长的量子搜索方法，即Grover算法，Grover算法通过反复使用G算子，放大目标状态的概率幅，减小非目标状态的概率幅，以接近1的概率找到目标状态，该算法将oracle调用次数从经典算法的N降低到还有就是使用一些智能优化算法，如遗传算法、峰群算法、粒子群算法、蚁群算法等。
[0004]虽然，Grover算法能以高概率测量到搜索问题解的状态，但是应用了更多次的G量子线路，使得整个算法的量子线路相较于经典算法更为复杂，提高了计算的复杂度，从而引起整个计算的交互延时，降低了搜索的效率，再者，基于智能优化算法的搜索方法往往迭代复杂，整个计算任务的规划以及分配速度慢且分配过程容易出错，无法应对越来越复杂的问题搜索，进而满足不了实际复杂的量子运算需求。
[0005]综上所述，如何设计一种能够在保障搜索效率的基础上，提高搜索的准确度，以满足实际复杂计算需求的基于表函数的数据搜索方法是个亟待解决的问题。

技术实现思路

[0006]本专利技术要解决的技术问题在于，针对现有技术的上述缺陷，提供一种基于表函数的数据搜索方法、系统及计算机存储介质，能够在保障搜索准确度的基础上，达到提高搜索效率，使得搜索结果能够得到实时反馈，满足实际运算需求的目的。
[0007]本专利技术解决其技术问题所采用的技术方案是：构造一种基于表函数的数据搜索方法，所述方法包括：
[0008]S1、将外部信息基于预设规则进行分类；
[0009]S2、根据分类结果对所述外部信息进行特征表达；
[0010]S3、对所述特征表达的结果进行预处理；
[0011]S4、基于预处理结果生成搜索资源的目标映射关系表；
[0012]S5、通过所述目标映射关系表输出搜索问题的结果。
[0013]进一步地，所述步骤S1进一步包括：基于人脑的认知功能结构，按照学科分类表将外界信息进行不同学科的基础分类。
[0014]进一步地，所述步骤S2进一步包括：根据所述分类结果的属性进行脑分区，并采用不同形式的描述方法对所述脑分区内不同属性的特征进行表达。
[0015]进一步地，所述步骤S3进一步包括：
[0016]S31、根据所述特征表达的结果对脑分区中的每类特征对应的数据结构进行编码，不同特征的数据结构对应不同的编码；
[0017]S32、基于编码结果利用对应的计算模型进行分类计算。
[0018]进一步地，所述步骤S4进一步包括：
[0019]S41、根据所述分类计算的结果对所述特征表达的结果按照所述分类结果的属性利用量子势能模型进行存储；
[0020]S42、根据存储结果生成所述外部信息对应的搜索资源，所述搜索资源为基于所述分类结果的属性所确定的资源，所述搜索资源包括所述外部信息的计算规则、存储规则和计算结果；
[0021]S43、根据所述计算规则、所述存储规则和所述计算结果的对应关系形成所述目标映射关系表。
[0022]进一步地，所述步骤S5进一步包括：
[0023]S51、通过预设的搜索模型对获取到的外部信息进行搜索问题的提取，
[0024]S52、在确定所述搜索问题存在于所述目标映射关系表后，将所述计算结果作为所述搜索问题的搜索结果，并输出所述计算结果。
[0025]进一步地，所述步骤S51进一步包括：
[0026]S511、将获取到的外部信息作为一个计算任务，并将该计算任务分解成多个子计算任务运行，再分别采用自适应共振网络模型进行搜索问题的查找；
[0027]S512、利用匹配相似度计算方法，将新计算任务对应的输入值与所述目标映射关系表中存在的输入值进行匹配，如果匹配一致，则将新计算任务对应的输入值作为需要进行搜索问题的输入值。
[0028]进一步地，所述步骤S52进一步包括：在确定所述需要进行搜索问题的输入值存在于所述目标映射关系表后，将其在所述目标映射关系表中对应的输出值作为所述新计算任务的搜索结果。
[0029]本专利技术解决其技术问题所采用的另一技术方案是：构造一种基于表函数的数据搜索系统，包括：
[0030]分类模块，用于将外部信息基于预设规则进行分类；
[0031]特征表达模块，用于根据分类结果对所述外部信息进行特征表达；
[0032]预处理模块，用于对所述特征表达的结果进行预处理；
[0033]搜索模块，用于基于预处理结果生成搜索资源的目标映射关系表和通过所述目标映射关系表输出搜索问题的结果。
[0034]本专利技术解决其技术问题所采用的再一技术方案是：构造一种计算机存储介质，所
述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行所述的基于表函数的数据搜索方法。
[0035]实施本专利技术的一种基于表函数的数据搜索方法、系统及计算机存储介质，能够在保障搜索准确度的基础上，达到提高搜索效率，使得搜索结果能够得到实时反馈，满足实际运算需求的目的。
附图说明
[0036]下面将结合附图及实施例对本专利技术作进一步说明，附图中：
[0037]图1为本专利技术实施例提供的一种基于表函数的数据搜索方法的流程图；
[0038]图2为本专利技术实施例提供的基于脑认知的信息表征示意图；
[0039]图3为本专利技术实施例提供的无限深势阱的示意图；
[0040]图4为本专利技术第一实施例提供的一种基于表函数的数据搜索系统的原理框图；
[0041]图5为本专利技术第二实施例提供的一种基于表函数的数据搜索系统的原理框图；
[0042]图6为本专利技术实施例提供的电子设备的示意图。
具体实施方式
[0043]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于表函数的数据搜索方法，其特征在于，包括：S1、将外部信息基于预设规则进行分类；S2、根据分类结果对所述外部信息进行特征表达；S3、对所述特征表达的结果进行预处理；S4、基于预处理结果生成搜索资源的目标映射关系表；S5、通过所述目标映射关系表输出搜索问题的结果。2.如权利要求1所述的基于表函数的数据搜索方法，其特征在于，所述步骤S1进一步包括：基于人脑的认知功能结构，按照学科分类表将外界信息进行不同学科的基础分类。3.如权利要求1所述的基于表函数的数据搜索方法，其特征在于，所述步骤S2进一步包括：根据所述分类结果的属性进行脑分区，并采用不同形式的描述方法对所述脑分区内不同属性的特征进行表达。4.如权利要求1所述的基于表函数的数据搜索方法，其特征在于，所述步骤S3进一步包括：S31、根据所述特征表达的结果对脑分区中的每类特征对应的数据结构进行编码，不同特征的数据结构对应不同的编码；S32、基于编码结果利用对应的计算模型进行分类计算。5.如权利要求1所述的基于表函数的数据搜索方法，其特征在于，所述步骤S4进一步包括：S41、根据所述分类计算的结果对所述特征表达的结果按照所述分类结果的属性利用量子势能模型进行存储；S42、根据存储结果生成所述外部信息对应的搜索资源，所述搜索资源为基于所述分类结果的属性所确定的资源，所述搜索资源包括所述外部信息的计算规则、存储规则和计算结果；S43、根据所述计算规则、所述存储规则和所述计算结果的对应关系形成所述目标映射关系表。6.如权利要求1
‑
5任一项所述的基于表函数的数据搜索方法，其特征在于...

【专利技术属性】
技术研发人员：戚建淮，郑伟范，周杰，彭华，唐娟，刘建辉，姚兆东，
申请(专利权)人：深圳市永达电子信息股份有限公司，
类型：发明
国别省市：