离线处理

大牛就是大牛，很容易就想出一些可行的解决方法，虽然这些方法并不复杂，但是很有指导意义。

我们在比较时，上传一个新图片，source，然后，与数据库里的target来进行比较。

也就是说，这个比较与数据库里target的数目有关，很有关系。在线搜索的时间。

虽然，可以对target进行预处理，如将其先离线转为xml文件，提取了相关的特征值。

但，仍然需要与每个xml对比，这样子，搜索的时间还是很长。

我们之前的一个想法是，单纯地提高这个比较获得相似度的算法，进而减少检索时间。

但是，大牛就提出了一个不同的想法，我们将这个比较相似读的算法，也转为离线。

怎么转呢？

一个，首先，对数据库的target进行分类。如先选取20个具有代表性的图，然后将所有target与这些代表比较，离线算出它们的相似度，将他们分为20组。

这样子，以后我们对新上传的source，只需也将其归类到某一个组里，搜索的量级变成了1/20，这是很很可观的。

事实上，可以进行进一步的子类的划分，这就是索引的思想。

这里需要对图的划分，怎么分类，怎么建索引具有较深理解和专业知识。可以进一步看看是怎么建立索引的。

另一个，我们一样离线处理相似度的求解，也是首先选取如5个具有代表性的图，拿这5个作为量度的标准。

然后，对数据库里的文件，分别与这5个标准图进行比较，则可以得出5个值，拿这5个值组成的向量代表这个图。

这样子，在接下来的比较中，我们就用向量的比较，来代表相似度的比较。

向量的比较就一个数学公式，而相似读比较是一个搜索算法。节省居多时间。

选取标准，离线处理，转成向量的比较。

再者，还是可以继续提高的，我们对于这样的向量，也采取规格化处理的方式，如采用lucene，重载它的比较函数为向量比较形式。

进一步利用已有的工具，这也是软工教育的思想。

可能我太孤陋寡闻了吧。。。

觉得好牛啊。。

另，对于我自己的那部分，就单纯的图相似度比较算法，他也提出了，一幅图与文章相关联，图具有的信息量较少，可以搜索它相关的文章，比较文章有关段落的相似度，来获得。

总算感觉到，能有一些起码我觉得牛叉的思想了。sigh～为昨天苦逼写了一天java代码而哭叹下

惊叹一下，这些这么raw的想法，放上去，不会被人抄袭吧。。因为，后来听说，这些方法，其实很多文章都有说。。的确好孤陋寡闻。。