c++ - 使用整数列表文档进行全文搜索的最佳方法

Question

我正在开发一个基于相似度的 C++/Qt 图像检索系统，其工作原理如下(我会尽量避免不相关或离题的细节):

我收集了一组图像并使用 OpenCV 函数从中构建了一个索引。之后，对于每个图像，我得到一个整数值列表，表示每个图像所属的重要“类”。两幅图像共有的整数越多，它们被认为越相似。因此，当我想查询系统时，我只需计算代表查询图像的整数列表，执行全文搜索(或类似搜索)并检索 X 个最相似的图像。

我的问题是，进行此类搜索的最佳方法是什么？我听说过 Lucene、Lemur 和其他索引方法，但我不知道这种全文搜索是否是最好的方法，因为域减少了(只有整数而不是单词)。我想了解效率、准确性或 C++ 友好性方面的替代方案。

谢谢!

Answer 1

在我看来你有一个 vectorspace model ，因此 Lucene 或类似产品可能适合您。一般来说，倒排索引模型在以下情况下会很好:

1. 你事先不知道类(class)数
2. 相对于图片的数量有很多类

如果您的问题不符合这些标准，普通的关系数据库可能会更好，正如 Thomas 所建议的那样。如果它满足#1 但不满足#2，您可以研究其中一个“面向列”的非关系数据库。我对这些还不够熟悉，无法告诉您它们的效果如何，但我的直觉是您需要自己复制 IR 工具包中的许多功能。

Lucene 是用 Java 编写的，我不知道有任何 C++ 端口。 Solr 将 Lucene 公开为 Web 服务，因此无论您选择哪种语言，都可以轻松访问它。

我对 Lemur 了解不多，但它看起来有类似的 vector 空间模型，而且它是用 C++ 编写的，因此您使用起来可能更容易。