網(wǎng)絡(luò)組圖聚合方法和系統(tǒng)以及圖片搜索方法和系統(tǒng)的制作方法
【專利摘要】一種網(wǎng)絡(luò)組圖聚合方法，包括以下步驟：獲取圖片的圖片信息，所述圖片信息包括圖片URL、圖片所在網(wǎng)頁(yè)的網(wǎng)頁(yè)URL和圖片所在網(wǎng)頁(yè)的標(biāo)題；提取圖片URL特征和圖片所在網(wǎng)頁(yè)的URL特征；將圖片所在網(wǎng)頁(yè)的標(biāo)題進(jìn)行去噪處理，得到圖片標(biāo)題；將圖片URL特征、圖片所在網(wǎng)頁(yè)的URL特征和圖片標(biāo)題相同的圖片聚合為一組。上述方法將圖片URL特征、圖片所在網(wǎng)頁(yè)的URL特征和圖片標(biāo)題相同的圖片聚合為一組，因而，上述方法可將關(guān)聯(lián)性強(qiáng)的圖片聚合為一組，從而可方便用戶以組圖為單位查看圖片，提高用戶查看圖片的效率。此外，還提供一種網(wǎng)絡(luò)組圖聚合系統(tǒng)、一種圖片搜索方法和系統(tǒng)。
【專利說明】網(wǎng)絡(luò)組圖聚合方法和系統(tǒng)以及圖片搜索方法和系統(tǒng)
【【技術(shù)領(lǐng)域】】
[0001]本發(fā)明涉及網(wǎng)絡(luò)技術(shù)，特別地涉及一種網(wǎng)絡(luò)組圖聚合方法和系統(tǒng)以及圖片搜索方法和系統(tǒng)。
【【背景技術(shù)】】
[0002]隨著網(wǎng)絡(luò)技術(shù)的發(fā)展，人們?cè)絹碓诫x不開互聯(lián)網(wǎng)。人們從互聯(lián)網(wǎng)上搜索各類信息，例如，文獻(xiàn)、歌曲、影視、圖片等等。
[0003]當(dāng)用戶搜索圖片時(shí)，獲取到用戶輸入的關(guān)鍵字后，輸出與關(guān)鍵字匹配的圖片，而搜索結(jié)果中給出的圖片一般是彼此獨(dú)立的，圖片之間的在時(shí)間、地點(diǎn)、事件等方面的關(guān)聯(lián)性不強(qiáng)，用戶需要一張張的查看圖片，不能直接查看屬于同一主題的關(guān)聯(lián)密切的一組圖片，一組圖片簡(jiǎn)稱為組圖，從而導(dǎo)致用戶查看圖片不方便。
【
【發(fā)明內(nèi)容】
】
[0004]基于此，有必要提供一種可自動(dòng)聚合關(guān)聯(lián)性強(qiáng)的圖片的網(wǎng)絡(luò)組圖聚合方法。
[0005]一種網(wǎng)絡(luò)組圖聚合方法，包括以下步驟:
[0006]獲取圖片的圖片信息，所述圖片信息包括圖片URL、圖片所在網(wǎng)頁(yè)的網(wǎng)頁(yè)URL和圖片所在網(wǎng)頁(yè)的標(biāo)題；
[0007]提取圖片URL特征和圖片所在網(wǎng)頁(yè)的URL特征；
[0008]將圖片所在網(wǎng)頁(yè)的標(biāo)題進(jìn)行去噪處理，得到圖片標(biāo)題；
`[0009]將圖片URL特征、圖片所在網(wǎng)頁(yè)的URL特征和圖片標(biāo)題相同的圖片聚合為一組。
[0010]基于此，還有必要提供一種可自動(dòng)聚合關(guān)聯(lián)性強(qiáng)的圖片的網(wǎng)絡(luò)組圖聚合系統(tǒng)。
[0011]一種網(wǎng)絡(luò)組圖聚合系統(tǒng)，包括:
[0012]圖片信息獲取模塊，用于獲取圖片的圖片信息，所述圖片信息包括圖片URL、圖片所在網(wǎng)頁(yè)的網(wǎng)頁(yè)URL和圖片所在網(wǎng)頁(yè)的標(biāo)題；
[0013]特征提取模塊，用于提取圖片URL特征和提取圖片所在網(wǎng)頁(yè)的URL特征；
[0014]標(biāo)題去噪模塊，用于將圖片所在網(wǎng)頁(yè)的標(biāo)題進(jìn)行去噪處理，得到圖片標(biāo)題；
[0015]組圖聚合模塊，用于將圖片URL特征、圖片所在網(wǎng)頁(yè)的URL特征和圖片標(biāo)題相同的圖片聚合為一組。
[0016]上述網(wǎng)絡(luò)組圖聚合方法和系統(tǒng)，提取圖片URL特征和圖片所在網(wǎng)頁(yè)的URL特征，將圖片所在網(wǎng)頁(yè)的標(biāo)題進(jìn)行去噪處理，得到圖片標(biāo)題，進(jìn)一步將圖片URL特征、圖片所在網(wǎng)頁(yè)的URL特征和圖片標(biāo)題相同的圖片聚合為一組，圖片URL特征相同說明圖片的存儲(chǔ)目錄相同，圖片所在網(wǎng)頁(yè)的URL特征相同，說明圖片屬于同一個(gè)網(wǎng)站，而圖片標(biāo)題相同說明圖片屬于同一主題或者關(guān)于同一事件，因而，上述方法可將關(guān)聯(lián)性強(qiáng)的圖片聚合為一組，從而可方便用戶以組圖為單位查看圖片，可方便用戶查看圖片，提高查看圖片的效率。
[0017]基于此，還有必要提供一種能方便用戶查看圖片的圖片搜索方法。
[0018]一種圖片搜索方法，包括以下步驟:[0019]獲取輸入的圖片搜索關(guān)鍵字；
[0020]獲取與所述搜索關(guān)鍵字匹配的組圖，所述組圖為按照上述網(wǎng)絡(luò)組圖聚合方法聚合而成的組圖；
[0021]輸出與所述匹配的組圖。
[0022]基于此，還有必要提供一種能方便用戶查看圖片的圖片搜索系統(tǒng)。 [0023]一種圖片搜索系統(tǒng)，包括:
[0024]關(guān)鍵字獲取模塊，用于獲取輸入的圖片搜索關(guān)鍵字；
[0025]搜索模塊，用于獲取與所述搜索關(guān)鍵字匹配的組圖，所述組圖為上述網(wǎng)絡(luò)組圖聚合系統(tǒng)聚合而成的組圖；
[0026]輸出模塊，用于輸出所述匹配的組圖。
[0027]上述圖片搜索方法和系統(tǒng)，用戶搜索圖片時(shí)，在按照上述網(wǎng)絡(luò)組圖聚合方法聚合而成的組圖中獲取與搜索關(guān)鍵字匹配的組圖，以組圖為單位輸出搜索結(jié)果，可方便用戶同時(shí)查看多張屬于同一組的圖片，方便用戶的查看操作。而且上述圖片搜索方法和系統(tǒng)在圖片之間的關(guān)聯(lián)性強(qiáng)、圖片的特征相同或相近的組圖中搜索與搜索關(guān)鍵字匹配的組圖，可提高搜索關(guān)鍵字與搜索結(jié)果的匹配準(zhǔn)確性。
【【專利附圖】
【附圖說明】】
[0028]圖1為一個(gè)實(shí)施例中的網(wǎng)絡(luò)組圖聚合方法的流程示意圖；
[0029]圖2為一個(gè)實(shí)施例中圖1的步驟S30的流程示意圖；
[0030]圖3為一個(gè)實(shí)施例中的網(wǎng)絡(luò)組圖聚合系統(tǒng)的結(jié)構(gòu)示意圖；
[0031]圖4為一個(gè)實(shí)施例中圖3的標(biāo)題去噪模塊的結(jié)構(gòu)示意圖；
[0032]圖5為一個(gè)實(shí)施例中的圖片搜索方法的流程示意圖；
[0033]圖6為一個(gè)實(shí)施例中的圖片搜索系統(tǒng)的結(jié)構(gòu)示意圖。
【【具體實(shí)施方式】】
[0034]如圖1所示，在一個(gè)實(shí)施例中，一種網(wǎng)絡(luò)組圖聚合方法，包括以下步驟:
[0035]步驟SlO，獲取圖片的圖片信息，圖片信息包括圖片URL、圖片所在網(wǎng)頁(yè)的網(wǎng)頁(yè)URL和圖片所在網(wǎng)頁(yè)的標(biāo)題。
[0036]具體的，在一個(gè)實(shí)施例中，可分網(wǎng)站爬取網(wǎng)站的網(wǎng)頁(yè)資源，從各網(wǎng)站的網(wǎng)頁(yè)的源文件中提取圖片信息。
[0037]步驟S20，提取圖片URL特征和圖片所在網(wǎng)頁(yè)的URL特征。
[0038]在一個(gè)實(shí)施例中，可提取圖片URL中的預(yù)設(shè)級(jí)目錄。
[0039]具體的，URL中的一級(jí)目錄指的是URL中根目錄下的第一級(jí)目錄，除最末尾的“/”外，一級(jí)目錄包含一個(gè)“/”，二級(jí)目錄包含兩個(gè)“/”，依此類推。例如，一張圖片的URL為“http://ml.biz.1tc.cn/pic/t/84/53/Imgl035384_t.jpg”，則 “http://ml.biz.1tc.cn/pic/” 為一級(jí)目錄,“http://ml.biz.1tc.cn/pic/t/” 為二級(jí)目錄,“http://ml.biz.1tc.cn/pic/t/84/” 為三級(jí)目錄,“http:"ml.biz.1tc.cn/pic/t/84/53/” 為四級(jí)目錄，依此類推。
[0040]進(jìn)一步的，可提取圖片所在網(wǎng)頁(yè)的URL中的預(yù)設(shè)級(jí)目錄。具體的，可按照與提取圖片URL中的預(yù)設(shè)級(jí)目錄相同的方法提取圖片所在網(wǎng)頁(yè)的URL中的目錄，提取的目錄級(jí)數(shù)為預(yù)設(shè)值。
[0041]步驟S30，將圖片所在網(wǎng)頁(yè)的標(biāo)題進(jìn)行去噪處理，得到圖片標(biāo)題。
[0042]在一個(gè)實(shí)施例中，可以分網(wǎng)站提取各網(wǎng)站的圖片URL特征、提取圖片所在網(wǎng)頁(yè)的URL特征，并分網(wǎng)站將各網(wǎng)站的圖片所在網(wǎng)頁(yè)的標(biāo)題進(jìn)行去噪處理。
[0043]將圖片所在網(wǎng)頁(yè)的標(biāo)題進(jìn)行去噪處理，去噪后的標(biāo)題比去噪前的標(biāo)題的類別區(qū)分能力更高，能更準(zhǔn)確的標(biāo)識(shí)圖片的特征。步驟S40，將圖片URL特征、圖片所在網(wǎng)頁(yè)的URL特征和圖片標(biāo)題相同的圖片聚合為一組。
[0044]聚合為一組的圖片即簡(jiǎn)稱為組圖。在一個(gè)實(shí)施例中，可將組圖中圖片的標(biāo)題設(shè)置為組圖的標(biāo)題。在一個(gè)實(shí)施例中，可將組圖標(biāo)題與組圖中圖片的URL對(duì)應(yīng)存儲(chǔ)。
[0045]上述網(wǎng)絡(luò)組圖聚合方法，提取圖片URL特征和圖片所在網(wǎng)頁(yè)的URL特征，將圖片所在網(wǎng)頁(yè)的標(biāo)題進(jìn)行去噪處理，得到圖片標(biāo)題，進(jìn)一步將圖片URL特征、圖片所在網(wǎng)頁(yè)的URL特征和圖片標(biāo)題相同的圖片聚合為一組，圖片URL特征相同說明圖片的存儲(chǔ)目錄相同，圖片所在網(wǎng)頁(yè)的URL特征相同，說明圖片屬于同一個(gè)網(wǎng)站，而圖片標(biāo)題相同說明圖片屬于同一主題或者關(guān)于同一事件，因而，上述方法可將關(guān)聯(lián)性強(qiáng)的圖片聚合為一組，從而可方便用戶以組圖為單位查看圖片，可方便用戶查看圖片，提高查看圖片的效率。
[0046]如圖2所示，在一個(gè)實(shí)施例中，步驟S30包括以下步驟: [0047]步驟S301，將網(wǎng)頁(yè)的標(biāo)題切分為文字片段。
[0048]在一個(gè)實(shí)施例中，可將網(wǎng)頁(yè)的標(biāo)題中包含的雙標(biāo)點(diǎn)符號(hào)內(nèi)的內(nèi)容切分為一個(gè)文字片段。
[0049]具體的，雙標(biāo)點(diǎn)符號(hào)包括單字節(jié)和雙字節(jié)的雙標(biāo)點(diǎn)符號(hào)，例如“ ”、‘’、()、{}、【】等等成對(duì)的標(biāo)點(diǎn)符號(hào)都為雙標(biāo)點(diǎn)符號(hào)。例如，網(wǎng)頁(yè)標(biāo)題中包括內(nèi)容【書名:數(shù)學(xué)之美】，則將【】?jī)?nèi)的內(nèi)容“書名:數(shù)學(xué)之美”切分為一個(gè)文字片段。
[0050]進(jìn)一步的，可將雙標(biāo)點(diǎn)符號(hào)外的文字按照單標(biāo)點(diǎn)符號(hào)切分成文字片段。
[0051]具體的，單標(biāo)點(diǎn)符號(hào)為彼此獨(dú)立的標(biāo)點(diǎn)符號(hào)，例如逗號(hào)、句號(hào)、冒號(hào)、頓號(hào)、感嘆號(hào)等等。具體的，可判斷與雙標(biāo)點(diǎn)符號(hào)外的文字中包含的單標(biāo)點(diǎn)相鄰兩側(cè)的文字是否都為數(shù)字或字母，若否，則將單標(biāo)點(diǎn)相鄰兩側(cè)的文字切分成單獨(dú)的文字片段。
[0052]例如，標(biāo)題中包含不位于雙標(biāo)點(diǎn)符號(hào)內(nèi)的內(nèi)容:www.123.com，則將該內(nèi)容作為一個(gè)整體的文字片段，而若標(biāo)題中包含不位于雙標(biāo)點(diǎn)符號(hào)內(nèi)的內(nèi)容:體育〃軍事，則將該內(nèi)容切分為兩個(gè)文字片段:體育、軍事。
[0053]步驟S302，統(tǒng)計(jì)各文字片段在網(wǎng)站內(nèi)的出現(xiàn)次數(shù)和/或各文字片段在網(wǎng)站內(nèi)的出現(xiàn)比重，所述網(wǎng)站為圖片所在網(wǎng)頁(yè)所屬的網(wǎng)站。
[0054]具體的，切分后得到的各文字片段在網(wǎng)站內(nèi)的出現(xiàn)比重為各文字片段在網(wǎng)站內(nèi)的出現(xiàn)次數(shù)與各文字片段在網(wǎng)站內(nèi)的總出現(xiàn)次數(shù)的比值。
[0055]例如，將某一圖片所在網(wǎng)頁(yè)的標(biāo)題切分后得到三個(gè)文字片段a、b、C，進(jìn)一步的，分別統(tǒng)計(jì)a、b、c在圖片所在網(wǎng)頁(yè)所屬的網(wǎng)站中出現(xiàn)的次數(shù)Fa、Fb、F。，則a在網(wǎng)站內(nèi)的出現(xiàn)比重為Fa/ (Fa+Fb+Fc), b在網(wǎng)站內(nèi)的出現(xiàn)比重為Fb/ (Fa+Fb+Fc), c在網(wǎng)站內(nèi)的出現(xiàn)比重為Fc/(Fa+Fb+Fc)。
[0056]步驟S303，刪除出現(xiàn)次數(shù)大于第一閾值和/或出現(xiàn)比重大于第二閾值的文字片段。
[0057]根據(jù)TF_IDF(term frequency -1nverse document frequency)理論，字詞對(duì)某一文件的重要性隨著它在該文件中出現(xiàn)的次數(shù)成正比增加，但同時(shí)會(huì)隨著它在包含多個(gè)文件的語(yǔ)料庫(kù)中出現(xiàn)的頻率成反比下降。網(wǎng)頁(yè)的標(biāo)題一般是該網(wǎng)頁(yè)中比較重要的字詞，在本網(wǎng)頁(yè)內(nèi)的出現(xiàn)次數(shù)一般較高，而若網(wǎng)頁(yè)的標(biāo)題中的某文字片段在該網(wǎng)站內(nèi)出現(xiàn)的次數(shù)越小，說明該文字片段具有越好的類別區(qū)分能力，相反，若該文字片段在該網(wǎng)站內(nèi)出現(xiàn)的次數(shù)較大，則該文字片段的類別區(qū)分能力越低。
[0058]步驟S304，將剩余的文字片段按照文字片段在網(wǎng)頁(yè)的標(biāo)題中的順序組合。
[0059]具體的，文字片段之間可以用空格或標(biāo)點(diǎn)符號(hào)分隔。
[0060]本實(shí)施例中，將網(wǎng)頁(yè)的標(biāo)題中出現(xiàn)次數(shù)大于第一閾值和/或出現(xiàn)比重大于第二閾值的文字片段刪除，保留網(wǎng)頁(yè)的標(biāo)題中類別區(qū)分能力較高的文字片段，得到圖片標(biāo)題，保留的文字片段能更準(zhǔn)確的標(biāo)識(shí)圖片的特征，因此，將圖片標(biāo)題相同的圖片聚合為一組，可將圖片特征相同或相近的圖片即將關(guān)聯(lián)性強(qiáng)的圖片聚合為同一組，提高組圖聚合的準(zhǔn)確性，避免將無關(guān)的圖片聚合為一組。
[0061]在一個(gè)實(shí)施例中，所述圖片信息還包括圖片標(biāo)識(shí)。上述網(wǎng)絡(luò)組圖聚合方法還包括步驟:刪除聚合成的組圖中圖片標(biāo)識(shí)相同的圖片。
[0062]在一個(gè)實(shí)施例中，圖片標(biāo)識(shí)為根據(jù)圖片內(nèi)容計(jì)算得到的信息摘要值(例如MD5值)，信息摘要值可唯一標(biāo)識(shí)圖片。
[0063]本實(shí)施例中，刪除組圖中圖片標(biāo)識(shí)相同的圖片，可提高組圖聚合的準(zhǔn)確性。
[0064]如圖3所示，在一個(gè)實(shí)施例中，一種網(wǎng)絡(luò)組圖聚合系統(tǒng)，包括圖片信息獲取模塊
10、特征提取模塊20、標(biāo)題去噪模塊30、組圖聚合模塊40，其中:
[0065]圖片信息獲取模塊10用于獲取圖片的圖片信息，圖片信息包括圖片URL、圖片所在網(wǎng)頁(yè)的網(wǎng)頁(yè)URL和圖片所在網(wǎng)頁(yè)的標(biāo)題。
[0066]具體的，在一個(gè)實(shí)施例中，圖片信息獲取模塊10可分網(wǎng)站爬取網(wǎng)站的網(wǎng)頁(yè)資源，從各網(wǎng)站的網(wǎng)頁(yè)的源文件中提取圖片信息。
[0067]特征提取模塊20用于提取圖片URL特征和圖片所在網(wǎng)頁(yè)的URL特征。
[0068]在一個(gè)實(shí)施例中，特征提取模塊20可提取圖片URL中的預(yù)設(shè)級(jí)目錄。
[0069]具體的，URL中的一級(jí)目錄指的是URL中根目錄下的第一級(jí)目錄，除最末尾的“/”夕卜，一級(jí)目錄包含一個(gè)“ / ”，二級(jí)目錄包含兩個(gè)“ / ”，依此類推。
[0070]進(jìn)一步的，特征提取模塊20可提取圖片所在網(wǎng)頁(yè)的URL中的預(yù)設(shè)級(jí)目錄。
[0071]標(biāo)題去噪模塊30用于將圖片所在網(wǎng)頁(yè)的標(biāo)題進(jìn)行去噪處理，得到圖片標(biāo)題。
[0072]在一個(gè)實(shí)施例中，特征提取模塊20可以分網(wǎng)站提取各網(wǎng)站的圖片URL特征、提取圖片所在網(wǎng)頁(yè)的URL特征，標(biāo)題去噪模塊30可分網(wǎng)站將各網(wǎng)站的圖片所在網(wǎng)頁(yè)的標(biāo)題進(jìn)行去噪處理。
[0073]將圖片所在網(wǎng)頁(yè)的標(biāo)題進(jìn)行去噪處理，去噪后的標(biāo)題比去噪前的標(biāo)題的類別區(qū)分能力更高，能更準(zhǔn)確的標(biāo)識(shí)圖片的特征。
[0074]組圖聚合模塊40用于將圖片URL特征、圖片所在網(wǎng)頁(yè)的URL特征和圖片標(biāo)題相同的圖片聚合為一組。
[0075]聚合為一組的圖片即簡(jiǎn)稱為組圖。在一個(gè)實(shí)施例中，組圖聚合模塊40可將組圖中圖片的標(biāo)題設(shè)置為組圖的標(biāo)題。在一個(gè)實(shí)施例中，組圖聚合模塊40可將組圖標(biāo)題與組圖中圖片的URL對(duì)應(yīng)存儲(chǔ)。
[0076]上述網(wǎng)絡(luò)組圖聚合系統(tǒng)，提取圖片URL特征和圖片所在網(wǎng)頁(yè)的URL特征，將圖片所在網(wǎng)頁(yè)的標(biāo)題進(jìn)行去噪處理，得到圖片標(biāo)題，進(jìn)一步將圖片URL特征、圖片所在網(wǎng)頁(yè)的URL特征和圖片標(biāo)題相同的圖片聚合為一組，圖片URL特征相同說明圖片的存儲(chǔ)目錄相同，圖片所在網(wǎng)頁(yè)的URL特征相同，說明圖片屬于同一個(gè)網(wǎng)站，而圖片標(biāo)題相同說明圖片屬于同一主題或者關(guān)于同一事件，因而，上述方法可將關(guān)聯(lián)性強(qiáng)的圖片聚合為一組，從而可方便用戶以組圖為單位查看圖片，可方便用戶查看圖片，提高查看圖片的效率。
[0077]如圖4所示，在一個(gè)實(shí)施例中，標(biāo)題去噪模塊30包括切分模塊301、統(tǒng)計(jì)模塊302和組合模塊303，其中:
[0078]切分模塊301用于將網(wǎng)頁(yè)的標(biāo)題切分為文字片段。
[0079]在一個(gè)實(shí)施例中，切分模塊301可將網(wǎng)頁(yè)的標(biāo)題中包含的雙標(biāo)點(diǎn)符號(hào)內(nèi)的內(nèi)容切分為一個(gè)文字片段。
[0080]具體的，雙標(biāo)點(diǎn)符號(hào)包括單字節(jié)和雙字節(jié)的雙標(biāo)點(diǎn)符號(hào)，例如，“ ”、‘’、()、{}、【】等等成對(duì)的標(biāo)點(diǎn)符號(hào)都為雙標(biāo)點(diǎn)符號(hào)。例如，網(wǎng)頁(yè)標(biāo)題中包括內(nèi)容【書名:數(shù)學(xué)之美】，則將【】?jī)?nèi)的內(nèi)容“書名:數(shù)學(xué)之美”切分為一個(gè)文字片段。
[0081] 進(jìn)一步的，切分模塊301可將雙標(biāo)點(diǎn)符號(hào)外的文字按照單標(biāo)點(diǎn)符號(hào)切分成文字片段。
[0082]具體的，單標(biāo)點(diǎn)符號(hào)為彼此獨(dú)立的標(biāo)點(diǎn)符號(hào)，例如逗號(hào)、句號(hào)、冒號(hào)、頓號(hào)、感嘆號(hào)
坐坐寸寸ο
[0083]具體的，切分模塊301可判斷與雙標(biāo)點(diǎn)符號(hào)外的文字中包含的單標(biāo)點(diǎn)相鄰兩側(cè)的文字是否都為數(shù)字或字母，若否，則將單標(biāo)點(diǎn)相鄰兩側(cè)的文字切分成單獨(dú)的文字片段。
[0084]統(tǒng)計(jì)模塊302用于統(tǒng)計(jì)各文字片段在網(wǎng)站內(nèi)的出現(xiàn)次數(shù)和/或各文字片段在網(wǎng)站內(nèi)的出現(xiàn)比重，所述網(wǎng)站為圖片所在網(wǎng)頁(yè)所屬的網(wǎng)站。
[0085]具體的，切分后得到的各文字片段在網(wǎng)站內(nèi)的出現(xiàn)比重為各文字片段在網(wǎng)站內(nèi)的出現(xiàn)次數(shù)與各文字片段在網(wǎng)站內(nèi)的總出現(xiàn)次數(shù)的比值。
[0086]組合模塊303用于刪除出現(xiàn)次數(shù)大于第一閾值和/或出現(xiàn)比重大于第二閾值的文字片段，將剩余的文字片段按照文字片段在網(wǎng)頁(yè)的標(biāo)題中的順序組合。
[0087]根據(jù)TF_IDF(term frequency -1nverse document frequency)理論，字詞對(duì)某一文件的重要性隨著它在該文件中出現(xiàn)的次數(shù)成正比增加，但同時(shí)會(huì)隨著它在包含多個(gè)文件的語(yǔ)料庫(kù)中出現(xiàn)的頻率成反比下降。網(wǎng)頁(yè)的標(biāo)題一般是該網(wǎng)頁(yè)中比較重要的字詞，在本網(wǎng)頁(yè)內(nèi)的出現(xiàn)次數(shù)一般較高，而若網(wǎng)頁(yè)的標(biāo)題中的某文字片段在該網(wǎng)站內(nèi)出現(xiàn)的次數(shù)越小，說明該文字片段具有越好的類別區(qū)分能力，相反，若該文字片段在該網(wǎng)站內(nèi)出現(xiàn)的次數(shù)較大，則該文字片段的類別區(qū)分能力越低。
[0088]具體的，組合模塊303可以用空格或標(biāo)點(diǎn)符號(hào)分隔文字片段。
[0089]本實(shí)施例中，將網(wǎng)頁(yè)的標(biāo)題中出現(xiàn)次數(shù)大于第一閾值和/或出現(xiàn)比重大于第二閾值的文字片段刪除，保留網(wǎng)頁(yè)的標(biāo)題中類別區(qū)分能力較高的文字片段，得到圖片標(biāo)題，保留的文字片段能更準(zhǔn)確的標(biāo)識(shí)圖片的特征，因此，將圖片標(biāo)題相同的圖片聚合為一組，可將圖片特征相同或相近的圖片即將關(guān)聯(lián)性強(qiáng)的圖片聚合為同一組，提高組圖聚合的準(zhǔn)確性，避免將無關(guān)的圖片聚合為一組。
[0090]在一個(gè)實(shí)施例中，所述圖片信息還包括圖片標(biāo)識(shí)。上述網(wǎng)絡(luò)組圖聚合系統(tǒng)還包括去重模塊(圖中未示出):刪除聚合成的組圖中圖片標(biāo)識(shí)相同的圖片。
[0091]在一個(gè)實(shí)施例中，圖片標(biāo)識(shí)為根據(jù)圖片內(nèi)容計(jì)算得到的信息摘要值(例如MD5值)，信息摘要值可唯一標(biāo)識(shí)圖片。
[0092]本實(shí)施例中，刪除組圖中圖片標(biāo)識(shí)相同的圖片，可提高組圖聚合的準(zhǔn)確性。
[0093]如圖5所示，在一個(gè)實(shí)施例中，一種圖片搜索方法，包括以下步驟:
[0094]步驟S501，獲取輸入的圖片搜索關(guān)鍵字；
[0095]步驟S502，獲取與搜索關(guān)鍵字匹配的組圖，所述組圖為按照上述任一實(shí)施例中的網(wǎng)絡(luò)組圖聚合方法聚合而成的組圖。
[0096]在一個(gè)實(shí)施例中，可將按照上述任一實(shí)施例中的網(wǎng)絡(luò)組圖聚合方法聚合而成的組圖按組存儲(chǔ)。具體的，可將組圖標(biāo)題與組圖中圖片的URL對(duì)應(yīng)存儲(chǔ)。在一個(gè)實(shí)施例中，步驟S502可在存儲(chǔ)的組圖中搜索與搜索關(guān)鍵字匹配的組圖。
[0097]在一個(gè)實(shí)施例中，步驟S502可獲取組圖標(biāo)題與搜索關(guān)鍵字匹配的組圖。具體的，在用戶搜索圖片時(shí)，獲取到用戶輸入的圖片搜索關(guān)鍵字后，可查詢包含搜索關(guān)鍵字中部分或全部文字的組圖標(biāo)題。
[0098]進(jìn)一步的，可獲取組圖標(biāo)題對(duì)應(yīng)的圖片URL，根據(jù)圖片URL獲取圖片。
[0099]步驟S503，輸出匹配的組圖。
[0100]具體的，獲取到與搜索關(guān)鍵字匹配的組圖后，可以組圖為單位輸出各組圖的組圖標(biāo)題以及組圖中的圖片。
[0101]本實(shí)施例中，用戶搜索圖片時(shí)，在按照上述網(wǎng)絡(luò)組圖聚合方法聚合而成的組圖中獲取與搜索關(guān)鍵字匹配的組圖，以組圖為單位輸出搜索結(jié)果，可方便用戶同時(shí)查看多張屬于同一組的圖片，方便用戶的查看操作。
[0102]而另一方面，上述網(wǎng)絡(luò)組圖聚合方法將圖片URL特征、圖片所在網(wǎng)頁(yè)的URL特征以及圖片標(biāo)題(去噪后的圖片所在網(wǎng)頁(yè)的標(biāo)題)相同的圖片聚合為一組，圖片URL特征相同說明圖片的存儲(chǔ)目錄相同，圖片所在網(wǎng)頁(yè)的URL特征相同，說明圖片屬于同一個(gè)網(wǎng)站，而圖片標(biāo)題相同說明圖片屬于同一主題或者關(guān)于同一事件，而且圖片標(biāo)題為圖片所在網(wǎng)頁(yè)的標(biāo)題經(jīng)過去噪后得到的，圖片標(biāo)題的類別區(qū)分能力高，能準(zhǔn)確的標(biāo)識(shí)圖片的特征，將圖片標(biāo)題相同的圖片聚合為一組，則可將圖片特征相同或相近的圖片聚合為一組。因而，按照上述網(wǎng)絡(luò)組圖聚合方法聚合成的組圖中圖片之間的關(guān)聯(lián)性強(qiáng)、圖片的特征相同或相近，上述網(wǎng)絡(luò)組圖聚合方法的組圖聚合準(zhǔn)確性高。
[0103]因此，上述圖片搜索方法在按照上述網(wǎng)絡(luò)組圖聚合方法聚合而成的組圖中獲取與搜索關(guān)鍵字匹配的組圖，即相當(dāng)于在圖片之間的關(guān)聯(lián)性強(qiáng)、圖片的特征相同或相近的組圖中搜索與搜索關(guān)鍵字匹配的組圖，從而可提高搜索關(guān)鍵字與搜索結(jié)果的匹配準(zhǔn)確性。
[0104]如圖6所不,在一個(gè)實(shí)施例中，一種圖片搜索系統(tǒng),包括關(guān)鍵字獲取模塊601、搜索模塊602、輸出模塊603，其中:
[0105]關(guān)鍵字獲取模塊601用于獲取輸入的圖片搜索關(guān)鍵字。
[0106]搜索模塊602用于獲取與搜索關(guān)鍵字匹配的組圖，所述組圖為上述任一實(shí)施例中的網(wǎng)絡(luò)組圖聚合系統(tǒng)聚合而成的組圖。[0107]在一個(gè)實(shí)施例中，上述圖片搜索系統(tǒng)還包括存儲(chǔ)模塊(圖中未示出)，用于將上述任一實(shí)施例中的網(wǎng)絡(luò)組圖聚合系統(tǒng)聚合而成的組圖按組存儲(chǔ)。具體的，存儲(chǔ)模塊可將組圖標(biāo)題與組圖中圖片的URL對(duì)應(yīng)存儲(chǔ)。具體的，搜索模塊602中可在存儲(chǔ)模塊存儲(chǔ)的組圖中搜索與搜索關(guān)鍵字匹配的組圖。
[0108]在一個(gè)實(shí)施例中，搜索模塊602可用于獲取組圖標(biāo)題與搜索關(guān)鍵字匹配的組圖。具體的，在用戶搜索圖片時(shí)，獲取到用戶輸入的圖片搜索關(guān)鍵字后，搜索模塊602可查詢包含搜索關(guān)鍵字中部分或全部文字的組圖標(biāo)題。
[0109]進(jìn)一步的，搜索模塊602可獲取組圖標(biāo)題對(duì)應(yīng)的圖片URL，根據(jù)圖片URL獲取圖片。
[0110]輸出模塊603用于輸出匹配的組圖。
[0111]具體的，輸出模塊603可以組圖為單位輸出各組圖的組圖標(biāo)題以及組圖中的圖片。
[0112]本實(shí)施例中，用戶搜索圖片時(shí)，在上述網(wǎng)絡(luò)組圖聚合系統(tǒng)聚合而成的組圖中獲取與搜索關(guān)鍵字匹配的組圖，以組圖為單位輸出搜索結(jié)果，可方便用戶同時(shí)查看多張屬于同一組的圖片，方便用戶的查看操作。
[0113]而另一方面，上述網(wǎng)絡(luò)組圖聚合系統(tǒng)將圖片URL特征、圖片所在網(wǎng)頁(yè)的URL特征以及圖片標(biāo)題(去噪后的圖片所在網(wǎng)頁(yè)的標(biāo)題)相同的圖片聚合為一組，圖片URL特征相同說明圖片的存儲(chǔ)目錄相同，圖片所在網(wǎng)頁(yè)的URL特征相同，說明圖片屬于同一個(gè)網(wǎng)站，而圖片標(biāo)題相同說明圖片屬于同一主題或者關(guān)于同一事件，而且圖片標(biāo)題為圖片所在網(wǎng)頁(yè)的標(biāo)題經(jīng)過去噪后得到的，圖片標(biāo)題的類別區(qū)分能力高，能準(zhǔn)確的標(biāo)識(shí)圖片的特征，將圖片標(biāo)題相同的圖片聚合為一組，則可將圖片特征相同或相近的圖片聚合為一組。因而，上述網(wǎng)絡(luò)組圖聚合系統(tǒng)聚合成的組圖中圖片之間的關(guān)聯(lián)性強(qiáng)、圖片的特征相同或相近，上述網(wǎng)絡(luò)組圖聚合系統(tǒng)的組圖聚合準(zhǔn)確性高。
[0114]因此，上述圖片搜索系統(tǒng)在上述網(wǎng)絡(luò)組圖聚合系統(tǒng)聚合而成的組圖中獲取與搜索關(guān)鍵字匹配的組圖，即相當(dāng)于在圖片之間的關(guān)聯(lián)性強(qiáng)、圖片的特征相同或相近的組圖中搜索與搜索關(guān)鍵字匹配的組圖，從而可提高搜索關(guān)鍵字與搜索結(jié)果的匹配準(zhǔn)確性。
[0115]本領(lǐng)域普通技術(shù)人員可以理解實(shí)現(xiàn)上述實(shí)施例方法中的全部或部分流程，是可以通過計(jì)算機(jī)程序控制相關(guān)的硬件來完成的，所述的程序可存儲(chǔ)于一計(jì)算機(jī)可讀取存儲(chǔ)介質(zhì)中，該程序在執(zhí)行時(shí)，可包括如上述各方法的實(shí)施例的流程。其中，所述的存儲(chǔ)介質(zhì)可為磁碟、光盤、只讀存儲(chǔ)記憶體(Read-Only Memory, ROM)或隨機(jī)存儲(chǔ)記憶體(Random AccessMemory, RAM)等。
[0116]以上所述實(shí)施例僅表達(dá)了本發(fā)明的幾種實(shí)施方式，其描述較為具體和詳細(xì)，但并不能因此而理解為對(duì)本發(fā)明專利范圍的限制。應(yīng)當(dāng)指出的是，對(duì)于本領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干變形和改進(jìn)，這些都屬于本發(fā)明的保護(hù)范圍。因此，本發(fā)明專利的保護(hù)范圍應(yīng)以所附權(quán)利要求為準(zhǔn)。
【權(quán)利要求】
1.一種網(wǎng)絡(luò)組圖聚合方法，包括以下步驟: 獲取圖片的圖片信息，所述圖片信息包括圖片URL、圖片所在網(wǎng)頁(yè)的網(wǎng)頁(yè)URL和圖片所在網(wǎng)頁(yè)的標(biāo)題； 提取圖片URL特征和圖片所在網(wǎng)頁(yè)的URL特征； 將圖片所在網(wǎng)頁(yè)的標(biāo)題進(jìn)行去噪處理，得到圖片標(biāo)題； 將圖片URL特征、圖片所在網(wǎng)頁(yè)的URL特征和圖片標(biāo)題相同的圖片聚合為一組。
2.根據(jù)權(quán)利要求1所述的網(wǎng)絡(luò)組圖聚合方法，其特征在于，所述提取圖片URL特征和圖片所在網(wǎng)頁(yè)的URL特征的步驟為:提取圖片URL中的預(yù)設(shè)級(jí)目錄，并提取圖片所在網(wǎng)頁(yè)的URL中的預(yù)設(shè)級(jí)目錄。
3.根據(jù)權(quán)利要求2所述的網(wǎng)絡(luò)組圖聚合方法，其特征在于，所述將圖片所在網(wǎng)頁(yè)的標(biāo)題進(jìn)行去噪處理的步驟包括: 將所述網(wǎng)頁(yè)的標(biāo)題切分為文字片段； 統(tǒng)計(jì)各文字片段在網(wǎng)站內(nèi)的出現(xiàn)次數(shù)和/或各文字片段在所述網(wǎng)站內(nèi)的出現(xiàn)比重，所述網(wǎng)站為圖片所在網(wǎng)頁(yè)所屬的網(wǎng)站； 刪除所述出現(xiàn)次數(shù)大 于第一閾值和/或所述出現(xiàn)比重大于第二閾值的文字片段； 將剩余的文字片段按照文字片段在所述網(wǎng)頁(yè)的標(biāo)題中的順序組合。
4.根據(jù)權(quán)利要求3所述的網(wǎng)絡(luò)組圖聚合方法，其特征在于，所述將所述網(wǎng)頁(yè)的標(biāo)題切分為文字片段的步驟包括: 將所述網(wǎng)頁(yè)的標(biāo)題中包含的雙標(biāo)點(diǎn)符號(hào)內(nèi)的內(nèi)容切分為一個(gè)文字片段； 判斷與所述雙標(biāo)點(diǎn)符號(hào)外的文字中包含的單標(biāo)點(diǎn)相鄰兩側(cè)的文字是否都為數(shù)字或字母，若否，則將單標(biāo)點(diǎn)相鄰兩側(cè)的文字切分成單獨(dú)的文字片段。
5.根據(jù)權(quán)利要求1所述的網(wǎng)絡(luò)組圖聚合方法，其特征在于，所述圖片信息還包括圖片標(biāo)識(shí)； 所述方法還包括: 刪除聚合成的組圖中圖片標(biāo)識(shí)相同的圖片。
6.一種網(wǎng)絡(luò)組圖聚合系統(tǒng)，其特征在于，包括: 圖片信息獲取模塊，用于獲取圖片的圖片信息，所述圖片信息包括圖片URL、圖片所在網(wǎng)頁(yè)的網(wǎng)頁(yè)URL和圖片所在網(wǎng)頁(yè)的標(biāo)題； 特征提取模塊，用于提取圖片URL特征和提取圖片所在網(wǎng)頁(yè)的URL特征； 標(biāo)題去噪模塊，用于將圖片所在網(wǎng)頁(yè)的標(biāo)題進(jìn)行去噪處理，得到圖片標(biāo)題； 組圖聚合模塊，用于將圖片URL特征、圖片所在網(wǎng)頁(yè)的URL特征和圖片標(biāo)題相同的圖片聚合為一組。
7.根據(jù)權(quán)利要求6所述的網(wǎng)絡(luò)組圖聚合系統(tǒng)，其特征在于，所述特征提取模塊用于提取圖片URL中的預(yù)設(shè)級(jí)目錄，并 提取圖片所在網(wǎng)頁(yè)的URL中的預(yù)設(shè)級(jí)目錄。
8.根據(jù)權(quán)利要求7所述的網(wǎng)絡(luò)組圖聚合系統(tǒng)，其特征在于，所述標(biāo)題去噪模塊包括: 切分模塊，用于將所述網(wǎng)頁(yè)的標(biāo)題切分為文字片段； 統(tǒng)計(jì)模塊，用于統(tǒng)計(jì)各文字片段在網(wǎng)站內(nèi)的出現(xiàn)次數(shù)和/或各文字片段在所述網(wǎng)站內(nèi)的出現(xiàn)比重，所述網(wǎng)站為圖片所在網(wǎng)頁(yè)所屬的網(wǎng)站；組合模塊，用于刪除所述出現(xiàn)次數(shù)大于第一閾值和/或所述出現(xiàn)比重大于第二閾值的文字片段，將剩余的文字片段按照文字片段在所述網(wǎng)頁(yè)的標(biāo)題中的順序組合。
9.根據(jù)權(quán)利要求8所述的網(wǎng)絡(luò)組圖聚合系統(tǒng)，其特征在于，所述切分模塊用于將所述網(wǎng)頁(yè)的標(biāo)題中包含的雙標(biāo)點(diǎn)符號(hào)內(nèi)的內(nèi)容切分為一個(gè)文字片段；判斷與所述雙標(biāo)點(diǎn)符號(hào)外的文字中包含的單標(biāo)點(diǎn)相鄰兩側(cè)的文字是否都為數(shù)字或字母，若否，則將單標(biāo)點(diǎn)相鄰兩側(cè)的文字切分成單獨(dú)的文字片段。
10.根據(jù)權(quán)利要求6所述的網(wǎng)絡(luò)組圖聚合系統(tǒng)，其特征在于，所述圖片信息還包括圖片標(biāo)識(shí)； 所述系統(tǒng)還包括: 去重模塊，用于刪除聚合成的組圖中圖片標(biāo)識(shí)相同的圖片。
11.一種圖片搜索方法，包括以下步驟: 獲取輸入的圖片搜索關(guān)鍵字； 獲取與所述搜索關(guān)鍵字匹配的組圖，所述組圖為按照權(quán)利要求1至5任一所述的方法聚合而成的組圖； 輸出所述匹配的組圖。
12.根據(jù)權(quán)利要求11所述的圖片搜索方法，其特征在于，所述獲取與所述搜索關(guān)鍵字匹配的組圖的步驟為: 獲取組圖標(biāo)題與所述搜索關(guān)鍵字匹配的組圖。
13.一種圖片搜索系統(tǒng)，其特征在于，包括: 關(guān)鍵字獲取模塊，用于獲取輸入的圖片搜索關(guān)鍵字； 搜索模塊，用于獲取與所述搜索關(guān)鍵字匹配的組圖，所述組圖為權(quán)利要求6至10任一所述的系統(tǒng)聚合而成的組圖； 輸出模塊，用于輸出所述匹配的組圖。
14.根據(jù)權(quán)利要求13所述的圖片搜索系統(tǒng)，其特征在于，所述搜索模塊用于獲取組圖標(biāo)題與所述搜索關(guān)鍵字匹配的組圖。
【文檔編號(hào)】G06F17/30GK103631799SQ201210302660
【公開日】2014年3月12日 申請(qǐng)日期:2012年8月23日 優(yōu)先權(quán)日:2012年8月23日
【發(fā)明者】尚海霞, 張永華 申請(qǐng)人:深圳市世紀(jì)光速信息技術(shù)有限公司