[發明專利]融合地理信息與視覺信息的網絡新聞檢索系統及方法

有效

• 申請號: 201110352002.3
• 申請日: 2011-11-09
• 公開（公告）號: CN102364473A
• 公開（公告）日: 2012-02-29
• 發明（設計）人: 盧漢清;劉靜;李澤超
• 申請（專利權）人: 中國科學院自動化研究所
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 王波波

技術領域

本發明涉及網絡新聞檢索領域，特別的，涉及一種融合地理信息與視 覺信息的網絡新聞檢索系統及方法。

背景技術

隨著信息技術的發展和網絡的全球化，在線新聞越來越多并且也越來 越受歡迎，日益變成了人們日常生活中獲取信息的一種重要途徑。人們可 以通過一些主要的網絡門戶網站如雅虎、MSN或者大型新聞網站如CNN、 AOL和MSNBC獲取和瀏覽新聞。

但是，現有技術中的新聞展示方法具有若干不足。

例如，現有的新聞展示方法缺乏以地理為基礎的組織。有研究表明用 戶經常優先關注幾個特定地點的新聞，比如家鄉和工作地點。大部分的大 型新聞網站可以根據相關的國家進行組織新聞。用戶可以提交一個地點作 為檢索詞檢索新聞。但是文檔中包含的地理名詞經常存在噪聲，因而降低 了檢索的性能。

另外，現有的新聞展示方法不包含全面的視覺信息。

圖1顯示了現有技術中一篇新聞文檔中包含圖片個數的分布情況。

從圖1中可以看到，現有技術中大部分的新聞文檔沒有圖片或者包含 很少的圖片。例如，僅有不到5％的新聞文檔包含超過一張的圖片。

通常來說，圖片的表現效果勝過千言萬語，作為新聞文本的補充，新 聞圖片能夠使用戶更快的獲取信息。但是，如圖1所示，現有的新聞文檔 中包含的圖片數很少，因而遠遠不能滿足用戶獲取信息的全面需求。

發明內容

本發明的目的是提供一種融合地理與視覺信息的網絡新聞檢索系統 及方法。根據本發明的系統及方法，能夠為用戶提供基于地理信息組織的 新聞，使用戶快速地瀏覽到所關心地區發明的新聞事件；進而，本發明采 用圖像信息對文本信息進行補充，使用戶能夠快速地掌握新聞事件的內 容。

根據本發明的一個方面，提供了一種融合地理信息與視覺信息的網絡 新聞檢索系統，該系統包括：數據預處理模塊，用于爬取新聞數據并進行 文本分析和信息數據提取，所述新聞數據包括人物，地點、時間和文本信 息；地點相關性分析模塊，用于執行新聞事件與新聞地點的相關性分析； 新聞配圖模塊，用于為新聞選擇合適的圖像；檢索結果展示模塊，用于基 于檢索相關性排序展示檢索到的新聞。

其中，所述數據預處理模塊包括：新聞數據爬取模塊，用于從新聞網 站上爬取新聞文檔和對應的新聞圖像；文本分析模塊，用于提取出新聞數 據的標題、時間、網站、摘要和正文以及對應的網址，提取出新聞圖像的 網址和圖像對應的文本信息；新聞實體提取模塊，從新聞數據中提取出人 物，地點和時間。

所述地點相關性分析模塊包括：地理名詞過濾和擴展模塊，用于獲取 地理名詞的地理位置信息；基于矩陣分解的相關性分析模塊，用于利用一 致性約束概率矩陣分解方法分析新聞地點和新聞事件之間的關系。

所述新聞配圖模塊包括：檢索詞生成模塊，用于從新聞數據中抽取一 個或多個關鍵詞，將其組合成檢索詞并提交給圖像搜索引擎進行圖像檢 索；圖像排序和選擇模塊，用于對檢索到的圖像進行排序和去重，并選擇 能夠表達新聞文檔內容的圖像。

所述檢索結果展示模塊包括：地圖視圖模塊，用于顯示所選擇的新聞 在地圖上的分布位置；新聞事件列表模塊，用于按照預定的規則排序并顯 示檢索到的新聞事件的列表。

在地點相關性分析模塊中，所述一致性約束概率矩陣分解方法基于下 述規則分析新聞地點和新聞事件之間的關系：相似度較高的新聞事件很可 能發生在同一個地方，以及相關性較高的多個地點與同一個新聞事件的關 系是相近的。

在新聞配圖模塊中，所述檢索詞生成模塊是從新聞數據的多個部分中 提取檢索詞進行圖像檢索；所述圖像排序和選擇模塊采用基于等級聚合的 方法對檢索到的圖像進行排序。

在檢索結果展示模塊中，所述地圖視圖模塊響應于用戶輸入的檢索詞 或者點擊地圖上任何一個地點，顯示出最相關新聞事件的標題及對應的圖 像；所述預定的規則排序包括下述中的一種或多種：新聞事件之間的相關 性、新聞事件與檢索地點之間的相關性以及新聞發生的時間信息。