索相關(guān)搜索結(jié)果而不會遇到以下問題:(I)盡頭，例如，“烏鴉”-> “烏鴉鳥”-> “烏鴉鳥頭”-> “烏鴉鳥面”-> 盡頭，(2)重復(fù)，例如，“烏鴉”_> “烏鴉鳥“烏鴉鳥頭“烏鴉鳥面“烏鴉鳥頭“烏鴉鳥巢”，(3)卡在循環(huán)中，例如，“烏鴉”-> “烏鴉鳥”-> “烏鴉鳥頭”-> “烏鴉鳥面”-> “烏鴉鳥頭”-> “烏鴉鳥頭”等，或者(4)卡在非常特定的搜索類型中，例如，如果初始查詢是“Britney Spears”，則就很難避開關(guān)于女性名人的查詢。
[0041]為了克服這些困難，該算法使用各種程序進行補償，使得在該算法陷入上述問題之一的情況下也可以不斷地提供相關(guān)搜索項。
[0042]第一，該算法處置已經(jīng)被查看的查詢，使得任何已被查看的查詢將不會再被使用一次。換句話說，出現(xiàn)在客戶端的視野中的任何查詢都不會重復(fù)。
[0043]第二，如果查詢具有太多描述符，使得相關(guān)查詢引擎陷入盡頭，則該算法可以具有反射特征，該反射特征為特定查詢創(chuàng)建后邊緣。例如，如果查詢轉(zhuǎn)換“烏鴉”_> “烏鴉鳥“烏鴉鳥頭“烏鴉鳥面盡頭。該引擎將從烏鴉鳥創(chuàng)建后邊緣。在該示例中，后邊緣為“烏鴉”，但也可以是來自前面查詢的任何描述符。該后邊緣權(quán)重較小，但當(dāng)盡頭出現(xiàn)時對于探索仍然有用。
[0044]第三，當(dāng)使用相關(guān)搜索引擎時，使用指定存儲器的該算法，可以處置當(dāng)前查詢和其它相近查詢。因此，如果初始查詢是“鳥”而相近項是“貓”，則該算法可以搜索與“鳥”和“貓”二者都相關(guān)的查詢并且加性地加權(quán)這些結(jié)果。以這種方式，如果某事物與二者都相關(guān)，則該算法可以使用這個查詢，但是如果該算法沒有發(fā)現(xiàn)與二者都相關(guān)的查詢，則該算法還是可以單獨使用“鳥”或“貓”。此外，如果當(dāng)使用相近查詢時該算法未能發(fā)現(xiàn)相關(guān)搜索查詢，則該系統(tǒng)可以研宄比相鄰面板距離更遠的查詢。
[0045]第四，如果該算法不能發(fā)現(xiàn)與當(dāng)前查詢串相關(guān)的任何事物，則該算法可以將串分成關(guān)鍵字并且分別搜索這些關(guān)鍵字，例如，“夜晚的東京”可以被分成與“東京”或“夜晚”相關(guān)的查詢。如果失敗了或除此之外，則該系統(tǒng)可以研宄查詢的子串，或者該算法可以將查詢分裂成分別加權(quán)的子部分。在一些情況下，該算法使用單一字母來代表查詢。這些回退的評分小于完全匹配，但是當(dāng)運行到盡頭時是有用的。
[0046]在上面的實施方式中，該算法用于發(fā)現(xiàn)與圖像數(shù)據(jù)有關(guān)的查詢，但是該技術(shù)不限于圖像數(shù)據(jù)，而是可以用于發(fā)現(xiàn)與可以應(yīng)用搜索的任何數(shù)據(jù)相關(guān)的查詢，例如，文本文檔和其它面向視覺的數(shù)據(jù)，諸如視頻、書(使用封面)和音樂(使用唱片封面和/或藝術(shù)家照片)。
[0047]圖9-13示出交互式客戶端界面縮放水平的示例。如圖9所示，縮放水平I包含響應(yīng)于初始查詢而返回的圖像。水平I中的每個圖像根據(jù)上述圖像搜索引擎排名。
[0048]如圖10所示，一旦客戶端顯示從所顯示的圖像縮小預(yù)定量，水平I被替換為水平2。在水平2，圖像面板被布置成初始搜索查詢O布置在圖像空間中心。中心查詢在基本方向上(頂部、右邊、底部、左邊)被最高權(quán)重的搜索查詢A、B、C和D圍繞。圖像空間的角被填充以相關(guān)搜索查詢E、F、G和H。相關(guān)搜索查詢E、F、G和H是相鄰搜索查詢的加性結(jié)果，意味著相關(guān)搜索查詢E是搜索查詢A+0+D的相關(guān)搜索查詢，相關(guān)搜索查詢F是搜索查詢Α+0+Β的相關(guān)搜索查詢，相關(guān)搜索查詢G是搜索查詢B+0+C的相關(guān)搜索查詢，相關(guān)搜索查詢H是搜索查詢D+0+C的相關(guān)搜索查詢。為方便解釋，只描述了兩種縮放水平，但是可以使用任意數(shù)量的縮放水平。
[0049]在圖11中，圖像空間被向右平移，并且用相關(guān)搜索查詢1、J和K填充相關(guān)搜索查詢。這些搜索查詢是相鄰搜索查詢的加性結(jié)果，意味著相關(guān)搜索查詢I是搜索查詢E+D的相關(guān)搜索查詢，相關(guān)搜索查詢J是搜索查詢E+D+H的相關(guān)搜索查詢，相關(guān)搜索查詢K是搜索查詢D+H的相關(guān)搜索查詢。
[0050]在圖12中，圖像空間被向下平移，并且用相關(guān)搜索查詢L、M和N填充相關(guān)搜索查詢。這些搜索查詢是相鄰搜索查詢的加性結(jié)果，意味著相關(guān)搜索查詢L是搜索查詢I+E的相關(guān)搜索查詢，相關(guān)搜索查詢J是搜索查詢I+E+A的相關(guān)搜索查詢，相關(guān)搜索查詢N是搜索查詢E+A的相關(guān)搜索查詢。在該平移過程中，客戶端的用戶確定查詢N具有與用戶正在搜索的圖像相關(guān)的圖像，因此客戶端的用戶放大面板N，如圖13所示。
[0051 ] 圖13示出查詢N的最高排名的搜索結(jié)果，在該示例中，示出60個圖像，但是還可以示出所有相關(guān)圖像的詳細清單或任何其它事物。在該示例中，客戶端的用戶確定圖像25即為目標圖像，并且選擇該圖像。一旦選擇了圖像，客戶端顯示可以被傳送至登陸頁面，其中可以單獨查看該圖像，或者作為網(wǎng)頁的一部分，或者一些其它基于web的功能或離線功能的一部分。
[0052]總之，系統(tǒng)開始于單一查詢，當(dāng)新的空間在屏幕上變得可見時，可以咨詢系統(tǒng)來判斷出將放入該空間的最優(yōu)查詢。相近查詢被用作種子，并且如果找不到相鄰單元格的任何相關(guān)結(jié)果，則增長該半徑。使用這種方法，能夠無限制地探索，直到某一次到達可用節(jié)點一端(在這種情況下> 1M)或者你已經(jīng)耗盡所有可用查詢。
[0053]該系統(tǒng)允許客戶端快速探索得非常遠，并取得了豐富多樣的數(shù)據(jù)，而且還允許客戶端停留于在某種程度上受控于導(dǎo)航的速度的單個區(qū)域內(nèi)，因為快速前進意味著要跟隨一串查詢，反之慢速前進則創(chuàng)建具有更多定位的更多的放大圓效應(yīng)。
[0054]可以用二維(2-d)格式示出該探索空間，但不必需用二維(限于它，或強制于它)。能夠使用該系統(tǒng)以線性方式探索關(guān)于搜索結(jié)果的相關(guān)查詢。
[0055]存在本客戶端界面的許多可能的實施方式，包含為客戶端導(dǎo)航該客戶端界面的不同方式，以及構(gòu)建該客戶端界面的不同方式。
[0056]圖14說明包含搜索系統(tǒng)102和用戶裝置106的示例系統(tǒng)100。該搜索系統(tǒng)102例如通過網(wǎng)絡(luò)從用戶裝置106接收查詢104并將搜索結(jié)果108呈獻給用戶裝置。用戶裝置106向搜索系統(tǒng)102提交查詢104，從搜索系統(tǒng)102接收搜索結(jié)果108，并且將搜索結(jié)果呈現(xiàn)給用戶。
[0057]搜索系統(tǒng)102包含搜索引擎110以及評分模型引擎112。搜索引擎110從用戶裝置106接收查詢104。響應(yīng)于接收查詢104，搜索引擎110識別編入其圖像索引114的圖像，所述圖像響應(yīng)于查詢104。圖像包含，例如，靜態(tài)圖像、視頻、和其它視覺內(nèi)容。該圖像索引114將每個圖像的標識符與圖像的數(shù)據(jù)相關(guān)聯(lián)。圖像數(shù)據(jù)包含，例如，用于確定該圖像何時與查詢相關(guān)的關(guān)鍵字、關(guān)于從哪里獲取圖像的細節(jié)、以及可選地提取自所述圖像的圖像特征。搜索引擎I1識別響應(yīng)于查詢104的多個圖像。這可以使用傳統(tǒng)技術(shù)來完成，例如，基于與所述圖像相關(guān)聯(lián)的文本與查詢的匹配程度。
[0058]然后搜索引擎110使用排名引擎116對響應(yīng)圖像進行排名，該排名引擎116將查詢特定的評分模型118應(yīng)用到每個圖像的特征上。排名引擎116可以從圖像索引114接收響應(yīng)圖像120的特征?？商孢x地，排名引擎116可以接收響應(yīng)圖像本身并提取每個圖像的特征。排名引擎116可以，例如，從由搜索系統(tǒng)102所維護的圖像緩存，或從該圖像的原始來源接收響應(yīng)圖像。
[0059]評分模型118特定于查詢104，并且為多個圖像特征中的每一個指定權(quán)重。在一些實施方式中，該評分模型被實施為用于圖像檢索的被動攻擊性模型(“PAMIR”)。PAMIR是可以應(yīng)用于非線性決策的線性模型。PAMIR被實施為權(quán)重的矢量，其中每個權(quán)重對應(yīng)于不同的圖像特征。該模型被訓(xùn)練為迭代地計算表示模型的權(quán)重的矢量和表示圖像的特征矢量的點積，并且適當(dāng)?shù)卦诿看蔚蟾聶?quán)重。
[0060]排名引擎118從由評分模型引擎112所維護的大量的查詢特定的數(shù)據(jù)124接收查詢特定的評分模型122。對于多個查詢中的每一個，該查詢特定的數(shù)據(jù)124包含用于該查詢的評分模型，以及該查詢的正圖像和負圖像。訓(xùn)練引擎126使用并更新查詢特定的數(shù)據(jù)124。
[0061]為了確定給定圖像的分數(shù)，排名引擎118將該模型應(yīng)用于圖像特征，例如，通過進行圖像特征的矢量和圖像特征的權(quán)重的矢量的點積。例如，可以根據(jù)該公式計算分數(shù):分數(shù)=WX，其中W是存儲用于查詢特定的評分模型118的權(quán)重的矢量，而X是響應(yīng)于查詢104的圖像的特征值的矢量。一旦排名引擎118為每個圖像計算分數(shù)，該排名引擎118根據(jù)這些圖像的分數(shù)對響應(yīng)圖像116進行排名。然后搜索引擎110生成包含按排名順序的圖像的搜索結(jié)果頁