本發(fā)明涉及圖文知識(shí)庫(kù)構(gòu)建，尤其是一種基于垂直搜索引擎的圖文知識(shí)庫(kù)構(gòu)建方法。

技術(shù)背景

隨著移動(dòng)互聯(lián)網(wǎng)的快速增長(zhǎng)，通過(guò)智能終端搜索查詢(xún)百科知識(shí)的需求快速增長(zhǎng)。目前，百科知識(shí)分布于很多相關(guān)的專(zhuān)業(yè)網(wǎng)站，如維基百科，百度百科，互動(dòng)百科?？梢允褂猛ㄓ盟阉饕鎭?lái)獲取到相關(guān)的知識(shí)。

這些知識(shí)庫(kù)通常體量龐大，圖文并茂，同一知識(shí)往往分布于不同網(wǎng)站中，很難一次性地獲取到該類(lèi)知識(shí)的全面信息。同時(shí)，這些百科知識(shí)網(wǎng)站僅僅提供分類(lèi)查詢(xún)和文本檢索功能。因此，利用垂直搜索引擎來(lái)構(gòu)建可以提供圖文查詢(xún)功能的圖文知識(shí)庫(kù)，實(shí)現(xiàn)圖文知識(shí)的快速分享。

技術(shù)實(shí)現(xiàn)要素：

針對(duì)現(xiàn)有技術(shù)中的不足，本發(fā)明提供一種基于垂直搜索引擎的圖文知識(shí)庫(kù)構(gòu)建的方法。在服務(wù)器中根據(jù)主題的要求定時(shí)定向抓取百科類(lèi)網(wǎng)站的網(wǎng)頁(yè)，并根據(jù)主題關(guān)鍵詞來(lái)分析網(wǎng)頁(yè)中的內(nèi)容，實(shí)現(xiàn)圖文分離的關(guān)聯(lián)，在此基礎(chǔ)上對(duì)其中的圖像提取其紋理等特征，構(gòu)建按照關(guān)鍵詞名次和圖像特征索引的數(shù)據(jù)庫(kù)。在后續(xù)檢索時(shí)可以提供文本和圖像檢索。該方法提高了知識(shí)庫(kù)的專(zhuān)業(yè)性，解決知識(shí)庫(kù)不能夠提供基于圖像檢索的問(wèn)題。

按照本發(fā)明所提供的設(shè)計(jì)方案，一種基于垂直搜索引擎的圖文知識(shí)庫(kù)構(gòu)建的方法，具體包含以下步驟：

步驟1.在服務(wù)器后臺(tái)定時(shí)定向抓取百科類(lèi)網(wǎng)站的網(wǎng)頁(yè)。

步驟2.分析抓取的網(wǎng)絡(luò)百科知識(shí)內(nèi)容，圖文分離網(wǎng)頁(yè)內(nèi)容。

步驟3.提取圖像的紋理特征、顏色特征、形狀特征等，構(gòu)建圖像加權(quán)特征。

步驟4.按照給定關(guān)鍵詞名稱(chēng)建立索引，將網(wǎng)頁(yè)中的文字描述和圖像及圖像特征進(jìn)行關(guān)聯(lián)存儲(chǔ)。

步驟5，檢索時(shí)提供基于文本的檢索和圖像特征匹配檢索反饋，反饋信息包含圖像和文字描述。

進(jìn)一步，步驟1中，所述服務(wù)器后臺(tái)定時(shí)定向抓取百科類(lèi)網(wǎng)站的網(wǎng)頁(yè)，具體為：首先設(shè)置包括維基百科中文網(wǎng)、百度百科、互動(dòng)百科在內(nèi)的多個(gè)百科知識(shí)網(wǎng)站作為知識(shí)庫(kù)的信息源頭，然后對(duì)這些網(wǎng)站的分類(lèi)結(jié)構(gòu)進(jìn)行分析，根據(jù)所設(shè)定的主題，選擇該主題類(lèi)別的網(wǎng)頁(yè)進(jìn)行定時(shí)抓取，以獲得相關(guān)主題網(wǎng)頁(yè)的URL。

進(jìn)一步，步驟2中，所述的分析抓取的網(wǎng)絡(luò)百科知識(shí)內(nèi)容，圖文分離網(wǎng)頁(yè)內(nèi)容，具體是將網(wǎng)頁(yè)中的文本信息提取存儲(chǔ)，將網(wǎng)頁(yè)中的圖片/圖像保存。

進(jìn)一步，在步驟3中，所述的提取圖像的紋理特征、顏色特征、形狀特征等，構(gòu)建圖像加權(quán)特征，具體為：將圖像進(jìn)行尺寸歸一化，然后分別提取圖像的紋理特征T，顏色特征C和形狀特征S，并對(duì)這三種特征分別賦予權(quán)重w₁,w₂,w₃，且w₁+w₂+w₃＝1，圖像的加權(quán)特征F＝w₁T+w₂C+w₃S。

優(yōu)選的，所述的提取紋理特征，采用Gabor濾波器提取圖像的紋理特征；

優(yōu)選的，所述的圖像的顏色特征，采用RGB顏色空間的顏色直方圖特征；

優(yōu)選的，所述的形狀特征，采用Fourier描述子來(lái)提取形狀特征。

進(jìn)一步，在步驟4中，所述的按照給定關(guān)鍵詞名稱(chēng)建立索引，將網(wǎng)頁(yè)中的文字描述和圖像及圖像特征進(jìn)行關(guān)聯(lián)存儲(chǔ)，具體為：在數(shù)據(jù)庫(kù)中，將關(guān)鍵詞作為數(shù)據(jù)庫(kù)的主鍵，圖像特征作為輔關(guān)鍵詞，將文本描述和圖像對(duì)象進(jìn)行存儲(chǔ)。

優(yōu)先地，所述的圖像對(duì)象進(jìn)行存儲(chǔ)，采用將圖像對(duì)象單獨(dú)存儲(chǔ)到指定分類(lèi)目錄中，在數(shù)據(jù)庫(kù)中存儲(chǔ)圖像對(duì)象的存儲(chǔ)路徑+圖像名稱(chēng)。

進(jìn)一步，在步驟5中，所述檢索時(shí)提供基于文本的檢索和圖像特征匹配檢索反饋，反饋信息包含圖像和文字描述，具體為：根據(jù)查詢(xún)對(duì)象的情況分為三種類(lèi)型。第一種、在數(shù)據(jù)庫(kù)中可以通過(guò)輸入待檢索的文本在數(shù)據(jù)庫(kù)中進(jìn)行查找，反饋檢索到的結(jié)果，以及該文本對(duì)應(yīng)的圖像；第二種、輸入待查詢(xún)的圖像，采用步驟3中的方法計(jì)算查詢(xún)圖像的特征值，然后和數(shù)據(jù)庫(kù)中存儲(chǔ)的圖像特征值使用歐式距離相比較，按照差值從小到大反饋圖像及其對(duì)應(yīng)的文本；第三種、輸入的為已經(jīng)計(jì)算得到的圖像特征值，則直接將查詢(xún)的特征值和數(shù)據(jù)庫(kù)中存儲(chǔ)的圖像特征值使用歐式距離相比較，按照差值從小到大反饋圖像及其對(duì)應(yīng)的文本。

本發(fā)明的有益效果：本發(fā)明針對(duì)現(xiàn)有的百科知識(shí)內(nèi)容分散，缺乏統(tǒng)一的有效管理，利用垂直搜索引擎來(lái)根據(jù)指定的知識(shí)詞庫(kù)來(lái)篩選分析并提取典型百科知識(shí)中的相關(guān)內(nèi)容，將這些內(nèi)容的圖文信息進(jìn)行分析并提取出圖像特征和文本描述，進(jìn)一步來(lái)構(gòu)建圖文知識(shí)庫(kù)，構(gòu)建的知識(shí)庫(kù)提供了基于文本檢索、圖像檢索功能， 提供了一種新的圖文知識(shí)庫(kù)的構(gòu)建和應(yīng)用方式。

附圖說(shuō)明

圖1.本發(fā)明的流程示意圖。

圖2.本發(fā)明實(shí)施例提供的流程圖。

具體實(shí)施方式

為了使本發(fā)明的目的、技術(shù)方案即優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖及實(shí)施例，對(duì)本發(fā)明進(jìn)一步詳細(xì)說(shuō)明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

實(shí)施例一，參考圖1所示，一種基于垂直搜索引擎的圖文知識(shí)庫(kù)構(gòu)建方法，其特征在于，包括：

步驟101.在服務(wù)器后臺(tái)定時(shí)定向抓取百科類(lèi)網(wǎng)站的網(wǎng)頁(yè)。

步驟102.分析抓取的網(wǎng)絡(luò)百科知識(shí)內(nèi)容，圖文分離網(wǎng)頁(yè)內(nèi)容。

步驟103.提取圖像的紋理特征、顏色特征、形狀特征等，構(gòu)建圖像加權(quán)特征。

步驟104.按照構(gòu)建的知識(shí)庫(kù)名稱(chēng)建立索引，將網(wǎng)頁(yè)中的文字描述和圖像及圖像特征進(jìn)行關(guān)聯(lián)存儲(chǔ)。

步驟105.檢索時(shí)提供基于文本的檢索和圖像特征匹配檢索反饋，反饋信息包含圖像和文字描述。

所述服務(wù)器后臺(tái)定時(shí)定向抓取百科類(lèi)網(wǎng)站的網(wǎng)頁(yè)，具體為：首先設(shè)置包括維基百科中文網(wǎng)、百度百科、互動(dòng)百科在內(nèi)的多個(gè)百科知識(shí)網(wǎng)站作為知識(shí)庫(kù)的信息源頭，然后對(duì)這些網(wǎng)站的分類(lèi)結(jié)構(gòu)進(jìn)行分析，根據(jù)所設(shè)定的主題，選擇該主題類(lèi)別的網(wǎng)頁(yè)進(jìn)行定時(shí)抓取，以獲得相關(guān)主題網(wǎng)頁(yè)的URL。

所述的分析抓取的網(wǎng)絡(luò)百科知識(shí)內(nèi)容，圖文分離網(wǎng)頁(yè)內(nèi)容，具體是將網(wǎng)頁(yè)中的文本信息提取存儲(chǔ)，將網(wǎng)頁(yè)中的圖片/圖像保存。

所述的提取圖像的紋理特征、顏色特征、形狀特征等，構(gòu)建圖像加權(quán)特征，具體為：將圖像進(jìn)行尺寸歸一化，然后分別提取圖像的紋理特征T，顏色特征C和形狀特征S，并對(duì)這三種特征分別賦予權(quán)重w₁,w₂,w₃，且w₁+w₂+w₃＝1，圖像的加權(quán)特征F＝w₁T+w₂C+w₃S。

所述的按照給定關(guān)鍵詞名稱(chēng)建立索引，將網(wǎng)頁(yè)中的文字描述和圖像及圖像特征進(jìn)行關(guān)聯(lián)存儲(chǔ)，具體為：在數(shù)據(jù)庫(kù)中，將關(guān)鍵詞作為數(shù)據(jù)庫(kù)的主鍵，圖像特征作為輔關(guān)鍵詞，將文本描述和圖像對(duì)象進(jìn)行存儲(chǔ)。

所述檢索時(shí)提供基于文本的檢索和圖像特征匹配檢索反饋，反饋信息包含圖像和文字描述，具體為：根據(jù)查詢(xún)對(duì)象的情況分為三種類(lèi)型。第一種、在數(shù)據(jù)庫(kù)中可以通過(guò)輸入待檢索的文本在數(shù)據(jù)庫(kù)中進(jìn)行查找，反饋檢索到的結(jié)果，以及該文本對(duì)應(yīng)的圖像；第二種、輸入待查詢(xún)的圖像，采用步驟103中的方法計(jì)算查詢(xún)圖像的特征值，然后和數(shù)據(jù)庫(kù)中存儲(chǔ)的圖像特征值使用歐式距離相比較，按照差值從小到大反饋圖像及其對(duì)應(yīng)的文本；第三種、輸入的為已經(jīng)計(jì)算得到的圖像特征值，則直接將查詢(xún)的特征值和數(shù)據(jù)庫(kù)中存儲(chǔ)的圖像特征值使用歐式距離相比較，按照差值從小到大反饋圖像及其對(duì)應(yīng)的文本。

實(shí)施例二：參考圖2所示，一種基于垂直搜索引擎的圖文知識(shí)庫(kù)構(gòu)建的方法，其特征在于，包括：

步驟201中，構(gòu)建植物名稱(chēng)、動(dòng)物名稱(chēng)名詞詞庫(kù)，根據(jù)所要構(gòu)建的知識(shí)庫(kù)，給出知識(shí)庫(kù)的類(lèi)別及其相應(yīng)名詞詞庫(kù)，例如構(gòu)建花卉詞庫(kù)，則列出相應(yīng)的花卉名稱(chēng)。

在步驟202中，構(gòu)建定向搜索搜索的網(wǎng)站網(wǎng)址數(shù)據(jù)庫(kù)，設(shè)置包括維基百科中文網(wǎng)、百度百科、互動(dòng)百科在內(nèi)的多個(gè)百科知識(shí)網(wǎng)站作為知識(shí)庫(kù)的信息源頭，然后對(duì)這些網(wǎng)站的分類(lèi)結(jié)構(gòu)進(jìn)行分析，根據(jù)所設(shè)定的主題，選擇該主題類(lèi)別的網(wǎng)頁(yè)。

步驟203中，定向信息抓取，通過(guò)垂直搜索引擎將設(shè)定網(wǎng)頁(yè)的信息抓取并保存。

在步驟204中，網(wǎng)頁(yè)分析，將抓取到的網(wǎng)頁(yè)，首先判斷其中的內(nèi)容是否已經(jīng)抓取并存儲(chǔ)過(guò)，如果沒(méi)有，則將網(wǎng)頁(yè)中文本信息信息提取出來(lái)，將圖像提取出來(lái)。

在步驟205中，文本分析及索引建立，將分析文本主題信息，并根據(jù)知識(shí)庫(kù)名詞詞庫(kù)來(lái)建立數(shù)據(jù)庫(kù)的主關(guān)鍵詞。

在步驟206中，圖像特征分析提取，采用提取圖像的紋理特征、顏色特征、形狀特征等，構(gòu)建圖像加權(quán)特征，將圖像進(jìn)行尺寸歸一化，然后分別提取圖像的紋理特征T，顏色特征C和形狀特征S，并對(duì)這三種特征分別賦予權(quán)重w₁,w₂,w₃，且w₁+w₂+w₃＝1，圖像的加權(quán)特征F＝w₁T+w₂C+w₃S。

在步驟207中，圖文關(guān)聯(lián)存儲(chǔ)，將步驟206中計(jì)算得到的圖像特征作為輔關(guān) 鍵詞與步驟205中名詞詞庫(kù)進(jìn)行關(guān)聯(lián)，將名詞詞庫(kù)、文本信息和圖像信息、圖像特征等存儲(chǔ)到數(shù)據(jù)庫(kù)中。

在步驟208中，用戶(hù)查詢(xún)、檢索，為用戶(hù)提供基于文本，圖像和圖像特征查詢(xún)的方式，并將對(duì)應(yīng)的文本及圖像信息返回給用戶(hù)。。

最后應(yīng)說(shuō)明的是：以上實(shí)施例僅用以說(shuō)明本發(fā)明的技術(shù)方案，而非對(duì)其限制；盡管參照前述實(shí)施例對(duì)本發(fā)明進(jìn)行了詳細(xì)的說(shuō)明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解：其依然可以對(duì)前述各實(shí)施例所記載的技術(shù)方案進(jìn)行修改，或者對(duì)其中部分技術(shù)特征進(jìn)行等同替換；而這些修改或者替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明各實(shí)施例技術(shù)方案的精神和范圍。