[發(fā)明專利]一種基于圖像分區(qū)進(jìn)行大數(shù)據(jù)匹配計(jì)算的科技項(xiàng)目查重方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201910972656.2
• 申請(qǐng)日: 2019-10-14
• 公開(kāi)（公告）號(hào): CN110929069A
• 公開(kāi)（公告）日: 2020-03-27
• 發(fā)明（設(shè)計(jì)）人: 謝積鑒;陳旭紅;粟月萍;鐘雪梅;胡婷婷;玉泉;陳金平;李榮;陳怡玲;盧琳玲
• 申請(qǐng)（專利權(quán)）人: 廣西壯族自治區(qū)科學(xué)技術(shù)情報(bào)研究所
• 主分類號(hào): G06F16/535
• 分類號(hào): G06F16/535;G06F16/538;G06F16/583;G06F16/335;G06F16/338
• 代理公司: 南寧曙華知識(shí)產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 45121
• 代理人: 鄭進(jìn)城

本發(fā)明公開(kāi)了一種基于圖像分區(qū)進(jìn)行大數(shù)據(jù)匹配計(jì)算的科技項(xiàng)目查重方法，包括以下步驟：第一步，將現(xiàn)有科技項(xiàng)目資料進(jìn)行解析，分別建立相應(yīng)的圖片庫(kù)和文本庫(kù)；第二步，對(duì)圖片庫(kù)中的圖片進(jìn)行分割，依據(jù)分割算法將圖片劃分為不同區(qū)域；第三步，獲取圖片及區(qū)域內(nèi)部特征信息；第四步，將預(yù)立項(xiàng)的科研項(xiàng)目資料進(jìn)行解析，抽取其中的圖片，并對(duì)其進(jìn)行圖片分割；第五步，將現(xiàn)有科技項(xiàng)目的特征信息與預(yù)立項(xiàng)的科研項(xiàng)目進(jìn)行比對(duì)，按圖片特征信息相似度和特征信息的權(quán)重得到現(xiàn)有科技項(xiàng)目與預(yù)立項(xiàng)的科研項(xiàng)目的重合值，按重合值的大小進(jìn)行排序得到第一查重結(jié)果。本發(fā)明可以提高科技項(xiàng)目的查重率，有效避免漏檢或者錯(cuò)檢。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，特別是一種基于圖像分區(qū)進(jìn)行大數(shù)據(jù)匹配計(jì)算的科技項(xiàng)目查重方法。

背景技術(shù)

據(jù)統(tǒng)計(jì)，我國(guó)科研項(xiàng)目重復(fù)率達(dá)40％,，另外60％中與國(guó)外重復(fù)的約占30％以上。重復(fù)立項(xiàng)不僅造成科技資源的大量浪費(fèi)，也導(dǎo)致科研活動(dòng)的無(wú)序發(fā)展和大量低水平重復(fù)，嚴(yán)重?fù)p害開(kāi)拓創(chuàng)新的科研精神，阻礙國(guó)家科技發(fā)展的步伐。

目前，已有學(xué)者研究了一些項(xiàng)目查重的方法和機(jī)制問(wèn)題，取得了一定的進(jìn)展。常用的項(xiàng)目查重方法主要有以下4類：基于非分詞技術(shù)的科技項(xiàng)目查重方法、基于TF-IDF值算法的科技項(xiàng)目查重方法、基于層次聚類的科技項(xiàng)目分類與查重方法、基于科技項(xiàng)目申報(bào)與審批流程進(jìn)行的項(xiàng)目查重方法。

基于非分詞技術(shù)解決科技項(xiàng)目查重問(wèn)題的方法，該方法不需要對(duì)文本進(jìn)行分詞處理，而是利用頻繁閉項(xiàng)集構(gòu)造向量空間模型對(duì)項(xiàng)目申請(qǐng)書(shū)進(jìn)行建模并計(jì)算相似度。這種方法通過(guò)計(jì)算科技項(xiàng)目申請(qǐng)書(shū)之間的相似度，從而達(dá)到項(xiàng)目查重的目的。

基于TF-IDF值算法的科技項(xiàng)目查重方法，該方法是通過(guò)使用特征向量模型的方法對(duì)科技項(xiàng)目申報(bào)文本進(jìn)行分詞及權(quán)重計(jì)算，對(duì)特征進(jìn)行排序選取。

基于層次聚類的科技項(xiàng)目分類與查重方法，該方法是在計(jì)算科技項(xiàng)目相似性時(shí)綜合考慮了應(yīng)用領(lǐng)域、研究?jī)?nèi)容和技術(shù)來(lái)源等因素，從而利用了項(xiàng)目本體相似度來(lái)計(jì)算模型和層次聚類的結(jié)果，以此提高查重的高效性與科學(xué)性。

基于科技項(xiàng)目申報(bào)與審批流程進(jìn)行的項(xiàng)目查重方法，該方法通過(guò)對(duì)科研項(xiàng)目的申報(bào)與審批流程進(jìn)行分析，提出避免重復(fù)立項(xiàng)的具體措施。

上述現(xiàn)有技術(shù)存在以下問(wèn)題：都是通過(guò)文本相似度來(lái)進(jìn)行科技項(xiàng)目查重，但現(xiàn)有科技項(xiàng)目成果表現(xiàn)形式如論文、專著或者專利都是各種語(yǔ)言進(jìn)行撰寫(xiě)，對(duì)于同一主題的語(yǔ)言表達(dá)方式差異巨大，過(guò)分依賴查重人員的語(yǔ)言水平，很難避免漏檢或者錯(cuò)檢。而論文、專著或者專利中的附圖，卻有著固定的格式。但是，現(xiàn)有的科技項(xiàng)目查重中，尚未有將圖片相似度作為科技項(xiàng)目查重手段的報(bào)道。

CN104915955A

發(fā)明內(nèi)容

本發(fā)明的目的是解決上述現(xiàn)有技術(shù)的問(wèn)題，提出了一種基于圖像分區(qū)進(jìn)行大數(shù)據(jù)匹配計(jì)算的科技項(xiàng)目查重方法，可以輔助文本相似度的查重方式，提高科技項(xiàng)目的查重率，有效避免漏檢或者錯(cuò)檢。

為達(dá)到上述發(fā)明目的，本發(fā)明所述的一種基于圖像分區(qū)進(jìn)行大數(shù)據(jù)匹配計(jì)算的科技項(xiàng)目查重方法，本發(fā)明是以如下技術(shù)方案實(shí)現(xiàn)的：

第一步，將現(xiàn)有科技項(xiàng)目資料進(jìn)行解析，分別建立相應(yīng)的圖片庫(kù)和文本庫(kù)；

第二步，對(duì)圖片庫(kù)中的圖片進(jìn)行分割，依據(jù)分割算法將圖片劃分為不同區(qū)域；

第三步，獲取圖片及區(qū)域內(nèi)部特征信息，特征信息包括：區(qū)域中的HSV的H值方圖、線條信息；

第四步，將預(yù)立項(xiàng)的科研項(xiàng)目資料進(jìn)行解析，抽取其中的圖片，并對(duì)其進(jìn)行圖片分割，獲取圖片及區(qū)域內(nèi)部特征信息。

第五步，將現(xiàn)有科技項(xiàng)目按第二步和第三步獲取的特征信息與預(yù)立項(xiàng)的科研項(xiàng)目按第四步獲取的分割區(qū)域進(jìn)行比對(duì)，按圖片特征信息相似度和特征信息的權(quán)重得到現(xiàn)有科技項(xiàng)目與預(yù)立項(xiàng)的科研項(xiàng)目的第一重合值，按第一重合值的大小進(jìn)行排序得到第一查重結(jié)果。