[發明專利]一種圖文集合的可視化方法和裝置

有效

• 申請號: 201310538293.4
• 申請日: 2013-11-04
• 公開（公告）號: CN103593337A
• 公開（公告）日: 2014-02-19
• 發明（設計）人: 唐家渝;劉知遠;孫茂松
• 申請（專利權）人: 清華大學
• 主分類號: G06F17/27
• 分類號: G06F17/27;G06K9/46
• 代理公司: 西安智大知識產權代理事務所 61215
• 代理人: 賈玉健

1.一種圖文集合的可視化方法，其特征在于，包括：

對含有圖片的文本集合進行處理，以得到圖文集合的特征詞及特征詞的權重、特征圖片及特征圖片的權重；

利用特征詞與特征圖片對圖文集合進行可視化。

2.根據權利要求1所述的圖文集合的可視化方法，其特征在于，所述對含有圖片的文本集合進行處理包括：

將文本集合切分成詞，去除停用詞后得到特征詞，并計算特征詞的權重；以及

將圖片集合中的重復圖片舍去，并計算余下圖片的權重。

3.根據權利要求2所述的圖文集合的可視化方法，其特征在于，所述計算特征詞的權重的方法是：

根據分詞信息，統計詞頻并計算得出特征詞的權重，并將每個文本集合特征詞及其權重以向量的形式保存；

所述計算所抽取的圖片的權重的方法是：

以圖片與特征詞語的相關程度作為圖片權重，同時記錄圖片相關聯的特征詞語，計算得到圖片的權重。

4.根據權利要求1所述的圖文集合的可視化方法，其特征在于，所述利用特征詞與特征圖片對圖文集合進行可視化的規則是：

a.整體分布呈橢圓形；

b.特征詞的權重越大，字體越大，位置越靠原點；

c.圖片的權重越大，位置越靠原點；

d.緊鄰圖片的特征詞顏色為圖片的主色調。

5.根據權利要求4所述的圖文集合的可視化方法，其特征在于，如果一個特征詞或圖片與已經放置的特征詞或圖片有交疊，則以從內到外的螺旋線路徑繼續檢測是否有交疊，直至將其成功放置在空白區域，其中，特征詞與圖片交替進行布局計算。

6.根據權利要求4所述的圖文集合的可視化方法，其特征在于，每張圖片利用如下算法進行主色調的抽取：

1)定義一個迭代次數上限M；

2)隨機在圖中找N個點，取出它的RGB值作為種子點；

3)對圖中的每個點找到一個RGB值和它最相近的種子點，并將這個點加到RGB值最相近得種子點所在點群中；

4)計算種子點群的平均RGB值，并將這個RGB值作為新的種子點；

5)比較這個新的值是否和舊值是否相等，如果相等則種子點收斂完成進入第6步，如果不等則繼續執行第2步，直至迭代次數達到M次；

6)當種子點收斂完成或者迭代次數達到M次，對所有種子點的權重做一個排序，權重即其中包含點的個數；

7)取出權重最高的種子點的值，作為圖片的主色調。

7.一種圖文集合的可視化裝置，其特征在于，包括：

預處理模塊，用于將待可視化的原始數據進行預處理，獲得圖文集合的特征詞及特征詞的權重、特征圖片及特征圖片的權重；

可視化模塊，用于利用上述結果數據進行信息可視化，呈現出圖文集合的特征。

8.根據權利要求7所述圖文集合的可視化裝置，其特征在于，所述預處理模塊包括：

分詞單元，用于對文本集合進行分詞并去掉停用詞，得到獨立的特征詞組；

詞語權重計算單元，用于計算文本集合的特征詞的權重；

圖片抽取單元，用于抽取圖片集合中的不同圖片；

圖片權重計算單元，用于計算所抽取的圖片的權重；

所述可視化模塊包括：

布局計算單元，用于利用含權重的特征詞組及圖片集合，計算出每個特征詞及圖片在畫布中的大小和位置等布局信息；

圖形界面單元，用于利用計算出的布局信息生成圖片，顯示在瀏覽設備中。

9.根據權利要求8所述圖文集合的可視化裝置，其特征在于，所述詞語權重計算單元從分詞單元保存的文件中讀出分詞信息，統計詞頻并計算得出特征詞的權重，將每個文本集合特征詞及其權重以向量的形式保存；所述圖片抽取單元使用像素點比對技術對相同圖片進行判別，以去掉重復的圖片，圖片權重計算單元以圖片與特征詞語的相關程度作為圖片權重，同時記錄圖片相關聯的特征詞語。