[發(fā)明專利]文本配圖的方法和裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201810421845.6
• 申請(qǐng)日: 2018-05-04
• 公開（公告）號(hào): CN108733779B
• 公開（公告）日: 2022-10-04
• 發(fā)明（設(shè)計(jì)）人: 吳廣發(fā);施鵬
• 申請(qǐng)（專利權(quán)）人: 百度在線網(wǎng)絡(luò)技術(shù)（北京）有限公司
• 主分類號(hào): G06F16/58
• 分類號(hào): G06F16/58
• 代理公司: 北京清亦華知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11201
• 代理人: 宋合成

1.一種文本配圖的方法，其特征在于，包括以下步驟：

識(shí)別待配圖文本所屬的主題類別；

若所述主題類別不屬于預(yù)設(shè)無需配圖的主題類別，確定所述待配圖文本具有配圖意圖，并對(duì)所述待配圖文本進(jìn)行實(shí)體詞抽取，以得到用于描述所述配圖意圖的目標(biāo)詞；若所述主題類別屬于預(yù)設(shè)無需配圖的主題類別，確定所述待配圖文本不具有配圖意圖，不做任何處理；

采用所述目標(biāo)詞，搜索所述主題類別對(duì)應(yīng)的圖片集，得到標(biāo)簽與所述目標(biāo)詞語義匹配的配圖圖片，其中，針對(duì)每一主題類別，預(yù)先建立與所述主題類別對(duì)應(yīng)的圖片集；

采用所述配圖圖片對(duì)所述待配圖文本配圖；

其中，所述識(shí)別待配圖文本所屬的主題類別，包括：

對(duì)所述待配圖文本采用深度學(xué)習(xí)模型進(jìn)行文本分析，得到結(jié)構(gòu)化的特征向量；根據(jù)所述特征向量進(jìn)行主題分類，以確定所述待配圖文本所屬的主題類別；

和/或，查詢待配圖文本中是否存在離線挖掘到的敏感詞，根據(jù)查詢到的敏感詞，確定所述待配圖文本為所述敏感詞對(duì)應(yīng)的主題類別；其中，所述敏感詞是根據(jù)無需配圖的訓(xùn)練樣本進(jìn)行挖掘得到的。

2.根據(jù)權(quán)利要求1所述的文本配圖的方法，其特征在于，所述對(duì)所述待配圖文本進(jìn)行實(shí)體詞抽取，包括：

根據(jù)離線挖掘到的詞表，對(duì)所述待配圖文本抽取第一實(shí)體詞；所述詞表包括地名、實(shí)物和所述圖片集中的標(biāo)簽的一個(gè)或多個(gè)組合；

根據(jù)所述待配圖文本中各實(shí)體詞的詞頻，選取第二實(shí)體詞；

根據(jù)所述第一實(shí)體詞和所述第二實(shí)體詞，生成所述目標(biāo)詞。

3.根據(jù)權(quán)利要求2所述的文本配圖的方法，其特征在于，所述根據(jù)所述待配圖文本中各實(shí)體詞的詞頻，選取第二實(shí)體詞，包括：

計(jì)算所述待配圖文本正文中各實(shí)體詞的詞頻-逆向文件頻率TF-IDF；

根據(jù)所述TF-IDF，選取所述第二實(shí)體詞。

4.根據(jù)權(quán)利要求1-3任一項(xiàng)所述的文本配圖的方法，其特征在于，所述得到標(biāo)簽與所述目標(biāo)詞語義匹配的配圖圖片之后，還包括：

采用所述待配圖文本應(yīng)用場景所對(duì)應(yīng)的配圖篩選策略，對(duì)所述配圖圖片進(jìn)行篩選。

5.根據(jù)權(quán)利要求4所述的文本配圖的方法，其特征在于，所述采用所述待配圖文本應(yīng)用場景所對(duì)應(yīng)的配圖篩選策略，對(duì)所述配圖圖片進(jìn)行篩選之前，還包括：

根據(jù)所述待配圖文本所在頁面中文本區(qū)域的尺寸，確定圖片尺寸；

根據(jù)所述待配圖文本所在頁面中圖片區(qū)域內(nèi)展示的圖片，生成圖片特征；

根據(jù)所述圖片特征和所述圖片尺寸，生成個(gè)性化策略；

根據(jù)所述個(gè)性化策略和預(yù)設(shè)的通用策略，生成所述應(yīng)用場景對(duì)應(yīng)的配圖篩選策略。

6.根據(jù)權(quán)利要求5所述的文本配圖的方法，其特征在于，所述個(gè)性化策略，包括：

所述配圖圖片的尺寸與確定出的所述圖片尺寸匹配；

且，所述配圖圖片的圖片特征與確定出的圖片特征之間的相似度低于閾值相似度。

7.根據(jù)權(quán)利要求5所述的文本配圖的方法，其特征在于，所述通用策略，包括：

所述配圖圖片的圖片質(zhì)量高于閾值質(zhì)量；其中，所述圖片質(zhì)量，是根據(jù)圖片清晰度、主題健康度、美觀程度和水印程度中的一個(gè)或多個(gè)組合確定的；

所述配圖圖片中成像主體面積占比低于閾值比例。