买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉杭州电子科技大学申请的专利一种面向近邻图向量检索的向量编码学习方法及装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115408571B 。

龙图腾网通过国家知识产权局官网在2026-04-07发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211050160.8，技术领域涉及：G06F16/901；该发明授权一种面向近邻图向量检索的向量编码学习方法及装置是由徐小良;岳强设计研发完成，并于2022-08-31向国家知识产权局提交的专利申请。

本一种面向近邻图向量检索的向量编码学习方法及装置在说明书摘要公布了：本发明涉及一种面向近邻图向量检索的向量编码学习方法及装置。在获取原始向量后，先构建原始向量近邻图；然后初始化编码模型参数完成准备工作；在训练过程中，原始向量通过编码模型得到过渡编码；过渡编码对应替换原始向量近邻图中的原始向量得到过渡编码近邻图；通过在过渡编码近邻图上执行近邻搜索，获取并筛选路由数据调整编码模型参数，使得编码模型适应近邻图的搜索特征；迭代训练直到满足训练终止条件，输出最终的压缩编码。本发明在向量编码学习过程中引入基于近邻图的搜索过程，直接优化压缩编码在近邻图下的检索性能，可在降低内存开销的同时提升搜索精度和效率。

本发明授权一种面向近邻图向量检索的向量编码学习方法及装置在权利要求书中公布了：1.一种面向近邻图向量检索的向量编码学习方法，其特征在于包含以下步骤： 1获取若干个原始向量； 2基于若干个所述原始向量构建原始向量近邻图，原始向量近邻图中每个节点对应一条原始向量，边代表原始向量间的近邻关系； 3加载编码模型，并初始化编码模型参数； 4使用编码模型生成原始向量对应的过渡编码，使用所述过渡编码对应替换所述原始向量近邻图中的原始向量，得到过渡编码近邻图； 5在所述过渡编码近邻图上执行近邻搜索，获取并筛选路由数据的集合调整所述编码模型参数； 6重复步骤4到5，输出最终的压缩编码； 所述步骤5中，获取所述路由数据的集合的具体过程为： 5-1获取训练向量，其中所述训练向量可以是所述若干个原始向量中的一个； 5-2通过所述编码模型生成训练向量对应的训练编码作为查询点，查询点根据过渡编码近邻图的入口节点初始化候选节点集，计算候选节点集中每个节点的预测选择概率，并将这些节点标记为未访问状态，其中所述候选节点集的最大容量固定为； 其中，所述预测选择概率是指当前编码模型参数下，给定查询点在基于近邻图的搜索过程中，从候选节点集中选择其中一个节点进行访问的概率； 5-3从候选节点集中选取预测选择概率最高的未访问状态节，使用对组结构的路由数据记录候选节点集和预测选择概率最高的未访问状态节点； 5-4获取节点在过渡编码近邻图中的近邻节点集，计算近邻节点集中每个节点对应过渡编码的预测选择概率，并根据预测选择概率更新候选节点集，标记节点为已访问状态； 5-5重复步骤5-3和5-4直到访问到查询点的最近邻节点或候选节点集中已没有未访问状态的节点，其中，搜索过程中所记录的全部路由数据构成路由数据的集合，表示为： ； 其中，为整个搜索过程的访问节点的个数； 所述步骤5中，对所述路由数据的集合中的路由数据进行筛选的具体方式包括以下步骤：根据近邻图搜索过程的阶段性特点，忽略导向优先的路由数据，选取精度优先的路由数据构成训练路由数据集训练编码模型，其中训练路由数据集表示为： 。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘新区白杨街道2号大街1158号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。