[發明專利]興趣點代表圖片的挖掘方法、裝置和服務器

有效

• 申請號: 201310306642.X
• 申請日: 2013-07-19
• 公開（公告）號: CN103399885B
• 公開（公告）日: 2017-02-08
• 發明（設計）人: 孫明芳;牛正雨;劉峰;吳一璞
• 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: 北京品源專利代理有限公司11332
• 代理人: 馬曉亞

1.一種興趣點代表圖片的挖掘方法，其特征在于，包括：

根據興趣點的名稱和地址從互聯網上獲取所述興趣點對應的實體站點；

根據所述實體站點的首頁上的錨文本查找所述實體站點的至少一個代表頁面，其中，所述代表頁面包括所述實體站點的介紹信息；

讀取所述代表頁面，獲取代表圖片集合；以及

獲取所述代表圖片集合中最為符合預定特征的至少一張圖片作為所述興趣點的代表圖片。

2.根據權利要求1所述的興趣點代表圖片的挖掘方法，其特征在于，所述根據興趣點的名稱和地址從互聯網上獲取所述興趣點對應的實體站點包括：

根據預定義的語義規則對所述興趣點的名稱進行切詞，搜索至少一個首頁的標題完全包含所述切詞結果的站點，組成候選站點集合；

獲取每個候選站點的現實地址信息，其中，所述現實地址信息是所述候選站點所代表的實體在地圖中的實際地址；以及

將每個候選站點的現實地址信息與所述興趣點的地址進行比較，將相似度最高的候選站點作為所述興趣點的實體站點。

3.根據權利要求2所述的興趣點代表圖片的挖掘方法，其特征在于，獲取每個候選站點的現實地址信息包括：

從所述候選站點的首頁中查找第一關鍵詞，并將所述第一關鍵詞后的長度小于第一長度閾值的字符串作為所述候選站點的現實地址信息；或者

通過從所述候選站點的首頁上的錨文本中查找第二關鍵詞找到所述候選站點的聯系頁面，再從所述聯系頁面中查找第一關鍵詞，將聯系頁面中查找到的第一關鍵詞后的長度小于第一長度閾值的字符串作為所述候選站點的現實地址信息。

4.根據權利要求1所述的興趣點代表圖片的挖掘方法，其特征在于，所述根據所述實體站點的首頁上的錨文本查找所述實體站點的至少一個代表頁面包括：

將所述實體站點的首頁上的錨文本包含第三關鍵詞的鏈接所指向的頁面作為代表頁面。

5.根據權利要求4所述的興趣點代表圖片的挖掘方法，其特征在于，所述根據所述實體站點的首頁上的錨文本查找所述實體站點的至少一個代表頁面還包括：

將所述實體站點的首頁上錨文本的長度小于第二長度閾值的鏈接所指向的頁面作為代表頁面。

6.根據權利要求4所述的興趣點代表圖片的挖掘方法，其特征在于，所述根據所述實體站點的首頁上的錨文本查找所述實體站點的至少一個代表頁面還包括：

如果查找到的代表頁面是至少兩個，從所述至少兩個代表頁面中去除重復的代表頁面。

7.根據權利要求1所述的興趣點代表圖片的挖掘方法，其特征在于，所述讀取所述代表頁面，獲取代表圖片集合包括：

解析所述代表頁面，獲取所述代表頁面的文檔對象模型（DOM）樹；

遍歷所述文檔對象模型（DOM）樹，根據所述代表頁面的內容將所述代表頁面分成不同的內容塊；

根據內容塊的內容特征對不同內容塊進行標注，并將被標注為網頁核心內容塊的內容塊作為目標內容塊；以及

讀取所述目標內容塊中像素值大于最小像素閾值的圖片，獲得代表圖片集合。

8.根據權利要求1所述的興趣點代表圖片的挖掘方法，其特征在于，所述獲取所述代表圖片集合中最為符合預定特征的至少一張圖片作為所述興趣點的代表圖片包括：

采用預先訓練得到的圖片分類器從代表圖片集合中選取圖片內容是建筑的概率最大的至少一張圖片作為代表圖片。

9.根據權利要求1所述的興趣點代表圖片的挖掘方法，其特征在于，在經過圖片過濾獲得所述興趣點的代表圖片后，所述方法還包括：

對所述代表圖片進行附加處理，其中，所述附加處理包括縮放、剪裁、水印去除和邊緣銳化。

10.一種興趣點代表圖片的挖掘裝置，其特征在于，包括：

實體站點獲取模塊，用于根據興趣點的名稱和地址從互聯網上獲取所述興趣點對應的實體站點；

代表頁面查找模塊，用于根據所述實體站點的首頁上的錨文本查找所述實體站點的至少一個代表頁面，其中，所述代表頁面包括所述實體站點的介紹信息；

代表圖片集合獲取模塊，用于讀取所述代表頁面，獲取代表圖片集合；以及

代表圖片獲取模塊，用于獲取所述代表圖片集合中最為符合預定特征的至少一張圖片作為所述興趣點的代表圖片。