[发明专利]融合地理信息与视觉信息的网络新闻检索系统及方法

说明书

技术领域

本发明涉及网络新闻检索领域，特别的，涉及一种融合地理信息与视 觉信息的网络新闻检索系统及方法。

背景技术

随着信息技术的发展和网络的全球化，在线新闻越来越多并且也越来 越受欢迎，日益变成了人们日常生活中获取信息的一种重要途径。人们可 以通过一些主要的网络门户网站如雅虎、MSN或者大型新闻网站如CNN、 AOL和MSNBC获取和浏览新闻。

但是，现有技术中的新闻展示方法具有若干不足。

例如，现有的新闻展示方法缺乏以地理为基础的组织。有研究表明用 户经常优先关注几个特定地点的新闻，比如家乡和工作地点。大部分的大 型新闻网站可以根据相关的国家进行组织新闻。用户可以提交一个地点作 为检索词检索新闻。但是文档中包含的地理名词经常存在噪声，因而降低 了检索的性能。

另外，现有的新闻展示方法不包含全面的视觉信息。

图1显示了现有技术中一篇新闻文档中包含图片个数的分布情况。

从图1中可以看到，现有技术中大部分的新闻文档没有图片或者包含 很少的图片。例如，仅有不到5％的新闻文档包含超过一张的图片。

通常来说，图片的表现效果胜过千言万语，作为新闻文本的补充，新 闻图片能够使用户更快的获取信息。但是，如图1所示，现有的新闻文档 中包含的图片数很少，因而远远不能满足用户获取信息的全面需求。

发明内容

本发明的目的是提供一种融合地理与视觉信息的网络新闻检索系统 及方法。根据本发明的系统及方法，能够为用户提供基于地理信息组织的 新闻，使用户快速地浏览到所关心地区发明的新闻事件；进而，本发明采 用图像信息对文本信息进行补充，使用户能够快速地掌握新闻事件的内 容。

根据本发明的一个方面，提供了一种融合地理信息与视觉信息的网络 新闻检索系统，该系统包括：数据预处理模块，用于爬取新闻数据并进行 文本分析和信息数据提取，所述新闻数据包括人物，地点、时间和文本信 息；地点相关性分析模块，用于执行新闻事件与新闻地点的相关性分析； 新闻配图模块，用于为新闻选择合适的图像；检索结果展示模块，用于基 于检索相关性排序展示检索到的新闻。

其中，所述数据预处理模块包括：新闻数据爬取模块，用于从新闻网 站上爬取新闻文档和对应的新闻图像；文本分析模块，用于提取出新闻数 据的标题、时间、网站、摘要和正文以及对应的网址，提取出新闻图像的 网址和图像对应的文本信息；新闻实体提取模块，从新闻数据中提取出人 物，地点和时间。

所述地点相关性分析模块包括：地理名词过滤和扩展模块，用于获取 地理名词的地理位置信息；基于矩阵分解的相关性分析模块，用于利用一 致性约束概率矩阵分解方法分析新闻地点和新闻事件之间的关系。

所述新闻配图模块包括：检索词生成模块，用于从新闻数据中抽取一 个或多个关键词，将其组合成检索词并提交给图像搜索引擎进行图像检 索；图像排序和选择模块，用于对检索到的图像进行排序和去重，并选择 能够表达新闻文档内容的图像。

所述检索结果展示模块包括：地图视图模块，用于显示所选择的新闻 在地图上的分布位置；新闻事件列表模块，用于按照预定的规则排序并显 示检索到的新闻事件的列表。

在地点相关性分析模块中，所述一致性约束概率矩阵分解方法基于下 述规则分析新闻地点和新闻事件之间的关系：相似度较高的新闻事件很可 能发生在同一个地方，以及相关性较高的多个地点与同一个新闻事件的关 系是相近的。

在新闻配图模块中，所述检索词生成模块是从新闻数据的多个部分中 提取检索词进行图像检索；所述图像排序和选择模块采用基于等级聚合的 方法对检索到的图像进行排序。

在检索结果展示模块中，所述地图视图模块响应于用户输入的检索词 或者点击地图上任何一个地点，显示出最相关新闻事件的标题及对应的图 像；所述预定的规则排序包括下述中的一种或多种：新闻事件之间的相关 性、新闻事件与检索地点之间的相关性以及新闻发生的时间信息。