常规的大规模非结构数据智能检索方法主要使用逆P-增广矩阵获取检索动态特征,易受数据源内删除收缩性能影响,导致检索平均精确率(mean Average Precision,mAP)较低,因此,需要基于跨模态哈希算法设计一种全新的大规模非结构数据智能检索...常规的大规模非结构数据智能检索方法主要使用逆P-增广矩阵获取检索动态特征,易受数据源内删除收缩性能影响,导致检索平均精确率(mean Average Precision,mAP)较低,因此,需要基于跨模态哈希算法设计一种全新的大规模非结构数据智能检索方法。该方法提取了大规模非结构数据智能检索特征向量,利用跨模态哈希算法生成了数据智能检索扩展函数,从而实现了大规模非结构数据智能检索。实验结果表明,该方法在不同编码长度数据集中的检索mAP均较高,证明设计的数据智能检索方法的检索效果较好,具有可靠性,有一定的应用价值,旨在推动非结构数据处理技术发展并提高数据智能化处理质量。展开更多
文摘常规的大规模非结构数据智能检索方法主要使用逆P-增广矩阵获取检索动态特征,易受数据源内删除收缩性能影响,导致检索平均精确率(mean Average Precision,mAP)较低,因此,需要基于跨模态哈希算法设计一种全新的大规模非结构数据智能检索方法。该方法提取了大规模非结构数据智能检索特征向量,利用跨模态哈希算法生成了数据智能检索扩展函数,从而实现了大规模非结构数据智能检索。实验结果表明,该方法在不同编码长度数据集中的检索mAP均较高,证明设计的数据智能检索方法的检索效果较好,具有可靠性,有一定的应用价值,旨在推动非结构数据处理技术发展并提高数据智能化处理质量。
