[发明专利]新闻视频的搜索方法和装置

权利要求书

1.一种新闻视频的搜索方法，其特征在于，包括：

基于语义关联信息构建搜索新闻视频网站的本体知识，利用所述本体知识从互联网中搜索出新闻视频网站；

对所述新闻视频网站进行及时性的评价，利用所述及时性的评估结果设定所述新闻视频网站的抓起时间间隔；

利用所述新闻视频网站的抓起时间间隔，通过设定的搜索方法实时抓起所述新闻视频网站中的内容，获取所述内容中的新闻视频。

2.根据权利要求1所述的新闻视频的搜索方法，其特征在于，所述的语义关联信息包括：搜索引擎本身提供的搜索关键词、已搜索发现的新闻视频网站的内容关键词、已搜索发现的新闻视频网站的内容组织结构关键词和已搜索发现的新闻视频网站的内容描述关键词。

3.根据权利要求2所述的新闻视频的搜索方法，其特征在于，所述的利用所述本体知识从互联网中搜索出新闻视频网站，包括：

针对所述本体知识中的每一个关键词，利用元搜索技术构造对互联网中的搜索引擎的搜索请求，抽取设定数量的所述搜索引擎返回的搜索结果，提取出所述搜索结果中包括的统一资源定位符URL；

通过网站主题识别方法识别出所述URL中包括的新闻视频网站的URL，将识别出的新闻视频网站存储在预先建立的新闻视频网站数据库。

4.根据权利要求3所述的新闻视频的搜索方法，其特征在于，所述的通过网站主题识别方法识别出所述URL中包括的新闻视频网站的URL，包括：

利用所述搜索结果中包括的URL的模式信息识别出所述URL是网站URL还是网页URL；

对于识别出的每个网站URL，抓取网站第一层内的所有网页，利用播放页识别技术计算所述所有网页中的视频播放页的比例，如果该比例小于预先设定的视频播放页阈值，则认为所述网站URL是与新闻视频网站主题无关，将所述网站URL排除；否则，认为所述网站URL是与新闻视频网站主题相关的；

利用所述与新闻视频网站主题相关的网站中的视频播放页对应的链接文字对预先建立的新闻视频数据库执行模糊查询，统计出总的相似结果数。计算平均每条链接文字对应的相似结果数，如果该相似结果数小于预先设定的相似结果数阈值，则认为所述网站与新闻视频网站主题无关；否则，识别出所述网站是新闻视频网站。

5.根据权利要求1所述的新闻视频的搜索方法，其特征在于，所述的对所述新闻视频网站进行及时性的评价，利用所述及时性的评估结果设定所述新闻视频网站的抓起时间间隔，包括：

从所述种子网站里获得一定数量的当天的新闻视频，根据所述当天的新闻视频对新闻视频数据库执行模糊查询，统计新闻视频数据库中的每个新闻视频网站中包含的和所述当天的新闻视频相似的新闻视频数量，将该新闻视频数量作为新闻视频网站的及时性的评价结果存入新闻视频网站数据库中；

根据所述包含的和所述当天的新闻视频相似的新闻视频数量设置每个新闻视频网站的抓起时间间隔，包含的和所述当天的新闻视频相似的新闻视频数量多的网站对应的抓起时间间隔短。

6.根据权利要求1至5任一项所述的新闻视频的搜索方法，其特征在于，所述的利用所述新闻视频网站的抓起时间间隔，通过设定的搜索方法实时抓起所述新闻视频网站中的新闻视频，包括：

当新闻视频网站数据库中的新闻视频网站距上次抓起结束时的时间已经超过所述新闻视频网站的抓起时间间隔后，通过设定的搜索方法对所述新闻视频网站中的内容进行抓起；

对从所述新闻视频网站中抓起到的每个网页利用播放页识别技术判断其是否为视频播放页，对于判断出的视频播放页除去其包含的噪声信息后，将余下的信息作为新闻视频；

对所述新闻视频利用基于内容的重复检测技术进行重复检测，利用基于视频压缩域的反向迭代投影法提高重复检测通过的新闻视频的质量，然后，将所述新闻视频和对应的描述信息存入新闻视频数据库中。