[發明專利]一種確定圖片文本標注的方法和系統

有效

• 申請號: 201210167803.7
• 申請日: 2012-05-25
• 公開（公告）號: CN103425715A
• 公開（公告）日: 2013-12-04
• 發明（設計）人: 阮星華;歐鑫鳳;張敏;高亮
• 申請（專利權）人: 百度在線網絡技術(北京)有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京鴻德海業知識產權代理事務所(普通合伙) 11412
• 代理人: 袁媛

1.一種確定圖片文本標注的方法，其特征在于，該方法包括：

S1、在標注系統中，如果超過預設時長可參與圖片標注的用戶數量沒有達到預設的人數要求，則分配虛擬用戶與可參與圖片標注的用戶構成滿足預設人數要求的標注組；

S2、向所述標注組提供待標注圖片；

S3、從所述待標注圖片的已有標注結果中選擇關鍵詞，或者，從所述待標注圖片在源文件上的周邊文本中提取關鍵詞，作為所述虛擬用戶對所述待標注圖片的標注關鍵詞；

S4、利用所述標注組中各用戶的標注關鍵詞，確定所述待標注圖片的標注結果。

2.根據權利要求1所述的方法，其特征在于，所述步驟S3中從所述待標注圖片在源文件上的周邊文本中提取關鍵詞具體包括：

A1、對所述待標注圖片在源文件上的周邊文本進行分詞和過濾處理；

A2、依據詞語在所述周邊文本中的位置以及詞語的倒文檔率，確定步驟A1得到的各詞語的權值；

A3、提取權值滿足預設權值要求的詞語作為關鍵詞。

3.根據權利要求2所述的方法，其特征在于，所述步驟A2包括：

依據公式w_ij＝[(α_i1+α_i2+…+α_ik)/L_i]×idf_j確定詞語t_j的權值w_ij，α_i1、α_i2......α_ik為詞語t_j出現在圖片d_i的源文件上周邊文本不同位置時的權重，與圖片d_i距離越近權重越大，越靠近預設詞語權重越大，k為詞語t_j在所述周邊文本的出現次數，L_i為圖片d_i的源文件上周邊文本的長度，idf_j為t_j的倒文檔率。

4.根據權利要求1所述的方法，其特征在于，在所述步驟S3中還包括：

將所述虛擬用戶對所述待標注圖片的標注關鍵詞按照標注時間間隔ΔT逐一進行標注，所述ΔT＝T_avr+β·Vt_max，其中T_avr為歷史標注用戶的標注時間間隔平均值，Vt_max為歷史標注用戶的標注時間間隔與T_avr的差值最大值，β為-1至1之間的隨機值。

5.根據權利要求1所述的方法，其特征在于，所述步驟S4具體包括：

將所述標注組中各用戶的標注關鍵詞中一致率達到預設要求的標注關鍵詞作為所述待標注圖片的標注結果。

6.根據權利要求1所述的方法，其特征在于，在所述步驟S4之后還包括：

S5、如果標注系統中存在可參與標注的用戶，則選擇可參與標注的用戶替換所述標注組中的虛擬用戶。

7.根據權利要求1所述的方法，其特征在于，該方法還包括：

當確定所述標注組中除虛擬用戶之外的其他用戶行為異常時，判斷其他用戶與虛擬用戶的標注關鍵詞一致率低于預設閾值的次數是否超過預設次數閾值，如果是，則確定其他用戶存在作弊；

其中如果某用戶的標注時間間隔小于T_avr的程度超過預設偏離閾值，或者，某用戶的積分增長速度超過預設增長閾值，則確定所述某用戶行為異常。

8.一種確定圖片文本標注的系統，其特征在于，該系統包括：

虛擬用戶分配單元，用于如果超過預設時長可參與圖片標注的用戶數量沒有達到預設的人數要求，則分配虛擬用戶與可參與圖片標注的用戶構成滿足預設人數要求的標注組；

圖片提供單元，用于向所述標注組提供待標注圖片；

虛擬用戶模擬單元，用于從所述待標注圖片的已有標注結果中選擇關鍵詞，或者，從所述待標注圖片在源文件上的周邊文本中提取關鍵詞，作為所述虛擬用戶對所述待標注圖片的標注關鍵詞；

標注結果確定單元，用于利用標注組中各用戶的標注關鍵詞，確定所述待標注圖片的標注結果。