[發明專利]一種圖片描述信息的獲取方法、裝置及電子設備

在審

• 申請號: 201910020512.7
• 申請日: 2019-01-09
• 公開（公告）號: CN111428061A
• 公開（公告）日: 2020-07-17
• 發明（設計）人: 賀宇;王東宇;周澤南;蘇雪峰
• 申請（專利權）人: 北京搜狗科技發展有限公司
• 主分類號: G06F16/50
• 分類號: G06F16/50;G06F16/955
• 代理公司: 北京華沛德權律師事務所 11302
• 代理人: 房德權

本發明公開了一種圖片描述信息的獲取方法、裝置及電子設備，該方法包括：獲取目標圖片的目標圖片域名；基于預先建立的網頁域名與圖片域名之間的相關關系，獲取與所述目標圖片域名之間相關性最大的目標網頁域名，其中，所述相關關系根據網頁域名下出現的所有圖片域名的出現總次數及所有圖片域名中每個圖片域名的出現次數建立；從所述目標網頁域名對應的網頁中，獲取所述目標圖片的描述信息。在上述技術方案中，通過從與目標圖片域名相關性更大的目標網頁域名對應的網頁中，獲取更為準確的描述信息，解決了現有技術中圖片的描述信息準確性較低的技術問題，達到提高圖片描述信息準確性的有益效果。

技術領域

本發明涉及軟件技術領域，特別涉及一種圖片描述信息的獲取方法、裝置及電子設備。

背景技術

搜索引擎已經成為我們生活中獲取資源不可缺少的重要途徑。其中，圖片搜索是搜索引擎中最為重要的一類垂直類產品，用戶可以通過圖片搜索獲取新聞、明星、風景等素材的圖片內容。針對圖片搜索，我們需要對互聯網上大量的圖片進行索引，進而方便用戶查找。

在建立圖片索引時需要獲取圖片的描述信息。圖片的描述信息通常是從包含該圖片的網頁中獲取網頁內容如網頁文本，將其作為圖片的描述信息。而實際應用過程中，每張圖片都會存在于多個不同的網頁，針對同一圖片，現有技術采用隨機選擇其中一個網頁的方式，從中獲取頁面內容作為圖片的描述信息。由于有些網頁的質量高，有些網頁的質量低，例如，有些網頁只是為了流量而堆疊很多不相關的圖片和文本內容，隨機選擇的方式可能會選擇這種頁面來描述圖片，導致圖片的描述信息準確性大大降低，從而導致圖片索引質量以及圖片搜索的搜索質量降低。

發明內容

本發明實施例提供一種圖片描述信息的獲取方法、裝置及電子設備，用于解決現有技術中圖片的描述信息準確性較低的技術問題。

本發明實施例提供一種圖片描述信息的獲取方法，該方法包括：

獲取目標圖片的目標圖片域名；

基于預先建立的網頁域名與圖片域名之間的相關關系，獲取與所述目標圖片域名之間相關性最大的目標網頁域名，其中，所述相關關系根據網頁域名下出現的所有圖片域名的出現總次數及所有圖片域名中每個圖片域名的出現次數建立；

從所述目標網頁域名對應的網頁中，獲取所述目標圖片的描述信息。

可選的，所述相關關系的建立方法包括：

抓取每個網頁域名下出現的所有圖片域名及每個圖片域名出現的次數；

獲取所述每個網頁域名下每個圖片域名的出現次數與所述每個網頁域名下所有圖片域名的出現總次數的比值，將所述比值作為每個網頁域名與每個圖片域名之間的相關性；

根據每個網頁域名與每個圖片域名之間的相關性建立所述相關關系。

可選的，所述根據每個網頁域名與每個圖片域名之間的相關性建立所述相關關系，包括：

根據所述每個網頁域名、所述每個圖片域名以及所述每個網頁域名與所述每個圖片域名之間的相關性的值構建相關關系表，所述相關關系表用于表征所述相關關系；或者，

獲取所述相關性的值大于設定閾值的網頁域名、圖片域名及所述相關性的值構建所述相關關系表。

可選的，若基于預先建立的網頁域名與圖片域名之間的相關關系獲取所述目標網頁域名失敗，所述方法還包括：

獲取使用過所述目標圖片的參考網頁和所述參考網頁的參考網頁域名；

計算獲得所述參考網頁域名與所述參考圖片域名之間的字符串相似度；

獲取所述字符串相似度最大的參考網頁域名作為所述目標網頁域名。