[發(fā)明專利]一種用于網(wǎng)絡搜索的無標注圖片的排序方法

無效

• 申請?zhí)枺?/td>: 201110322609.7
• 申請日: 2011-10-21
• 公開（公告）號: CN102368266A
• 公開（公告）日: 2012-03-07
• 發(fā)明（設計）人: 徐頌華;江浩;劉智滿
• 申請（專利權）人: 浙江大學
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 杭州天勤知識產(chǎn)權代理有限公司 33224
• 代理人: 胡紅娟

技術領域

本發(fā)明屬于網(wǎng)絡搜索排序技術領域，具體涉及一種用于網(wǎng)絡搜索的無標注圖片的排序方法。

背景技術

早在20世紀70年代，各國的科研人員就開始研究如何有效的管理圖像數(shù)據(jù)，當時采用的技術主要是基于文本的圖像檢索技術(TBIR)，是指利用手工輸入文本的方式為圖像輸入一系列的關鍵字，然后將圖像的存儲路徑和圖像關鍵字之間建立聯(lián)系，圖像檢索實際上變成了文本檢索，這種方法簡單易行，用傳統(tǒng)的關系數(shù)據(jù)庫就可以實現(xiàn)，但也存在一些缺點，如手工輸入關鍵字的工作量過大，標識海量圖像數(shù)據(jù)的關鍵字是不切實際的，而且手工標識不可避免地會帶有個人的主觀性和不確定性，畢竟不同的人對于同一幅圖像的理解可能是不相同的。

在本世紀初，網(wǎng)頁信息自動采集和標引作為搜索引擎的重要部分，得到了深入的研究，Google、Yahoo等搜索引擎紛紛推出采用TBIR技術的圖片搜索功能。顯然這種自動標引所采集的圖像標識是很粗糙的，準確性不高，有時甚至是不準確的，會檢索出很多無關的圖片出來；同時，對于很多符合用戶搜索信息的無文本標注的圖片，搜索引擎是無法對這些圖片進行準確的排序顯示。

為了克服基于文本的圖像檢索技術的局限性，20世紀90年代以來，基于內(nèi)容的圖像檢索技術(CBIR)得到了極大的發(fā)展。CBIR技術主要是指在圖像處理的基礎上，利用圖像的顏色、形狀、紋理、輪廓以及對象的空間關系等基本視覺特征進行檢索。與TBIR不同的是它利用了圖像本身包含的客觀的視覺特征，能通過計算機自動實現(xiàn)對圖像特征的提取和存儲等，提高了圖像處理速度，有利于實現(xiàn)圖像索引和檢索的自動化實現(xiàn)。目前，已有很多成型的基于CBIR技術的系統(tǒng)運行，如MTT的Photo?Book和UIUC大學的MARS等。

但在實際應用中，用戶通常事先對所需求的圖像只有一些關于圖像的主觀描述，用戶需要的是圖像含義的查詢，而不是顏色、紋理、形狀等特征。這些圖像的含義就是圖像的高層語義特征，它包含了人對圖像內(nèi)容的理解。因此，CBIR技術只適用于小環(huán)境下如科研領域數(shù)據(jù)庫的搜索，而并不適用于實際大環(huán)境下如互聯(lián)網(wǎng)的搜索等。

發(fā)明內(nèi)容

針對現(xiàn)有技術所存在的上述技術缺陷，本發(fā)明提供了一種用于網(wǎng)絡搜索的無標注圖片的排序方法，實現(xiàn)了根據(jù)查詢信息對無標注圖片的準確排序，使得用戶可以對無標注圖片進行搜索獲取，且搜索效果好。

一種用于網(wǎng)絡搜索的無標注圖片的排序方法，包括如下步驟：

(1)根據(jù)給定的查詢信息利用網(wǎng)絡搜索引擎進行圖片搜索，從搜索結果中收集排序前M張圖片作為參考圖片；

(2)計算出每張參考圖片與查詢信息的相關度；

(3)計算出參考圖片間的相似度；

(4)根據(jù)參考圖片間的相似度，修正每張參考圖片與查詢信息的相關度，得到每張參考圖片與查詢信息的修正后的相關度；

(5)根據(jù)每張參考圖片與查詢信息的修正后的相關度，對所述的查詢信息對應的所有無標注圖片進行排序。

所述的步驟(2)中，計算每張參考圖片與查詢信息的相關度的過程如下：

a.根據(jù)所述的查詢信息利用網(wǎng)絡搜索引擎進行網(wǎng)頁搜索，從搜索結果中收集排序前N個網(wǎng)頁作為參考網(wǎng)頁，并記為D₁～D_N；

b.對于在N個參考網(wǎng)頁D₁～D_N出現(xiàn)過的任一個詞記為w，根據(jù)以下公式統(tǒng)計w在N個參考網(wǎng)頁D₁～D_N中的總出現(xiàn)頻率t(w)，進而計算w的TF-IDF(詞頻逆文頻)系數(shù)ot(w)；

t(w)＝y(tǒng)₁/m₁+y₂/m₂+...+y_N/m_N????????????(1)

ot(w)＝t(w)ln(1+N/n_w)??????????????????(2)

其中：n_w為N個參考網(wǎng)頁D₁～D_N中含有詞w的網(wǎng)頁個數(shù)；y_i為w在參考網(wǎng)頁D_i中的出現(xiàn)次數(shù)，m_i為參考網(wǎng)頁D_i中的總詞數(shù)，i＝1，2，...，N；