一种数据特征指纹构建及相似性度量方法与索引

本发明公开了一种基于布隆过滤器的数据特征指纹构建方法，通过将数据特征集合映射到固定长度的位向量空间，将数据所包含的全部特征进行统一表征；有效地将数据特征集合的空间复杂度降低至常数级，有效地降低了当前大数据中高维数据特征的存储成本。数据特征相似度计算采用两个固定长度位向量的海明距离进行计算，不仅能够有效表征数据在特征上的相似度，还降低了计算的复杂度量级，提高计算效率。对于海量数据特征相似性度量，采用倒排索引方式构建数据特征指纹索引，仅需将对应特征指纹进行分段，然后将该段指纹作为索引键保存在数据特征倒排索引库中，就能够检索得到其相似数据，进一步提升了数据指纹检索匹配效率。