[发明专利]一种基于支持向量机的图片重要性分类方法

权利要求书

1.一种面向网页内容无障碍访问的网页图片重要性分类方法，该方法的特征在于：

1)从互联网抓取网页，定位网页中的图片；

2)对步骤1)得到的网页图片抽取空间特征和结构特征，对每张图片人工标注其重要性类标签，将所有图片分为重要和非重要两类，得到训练数据；

3)利用支持向量机算法，在训练数据上训练出一个分类器；

4)从互联网上抓取要进行图片分类的网页，对网页上的所有图片同样抽取其空间特征和结构特征，使用步骤3)中得到的分类器，预测图片的重要性，依此把网页上的图片分为重要和非重要两类。

2.如权利要求1所述的面向网页内容无障碍访问的网页图片重要性分类方法，其特征在于：所述的步骤1)中所述的图片包括：

1)网页中的<img>元素；

2)有视觉呈现的<object>和<embed>元素；

3)包含背景图片属性，内容为空的节点。

3.如权利要求1所述的面向网页内容无障碍访问的网页图片重要性分类方法，其特征在于：所述的步骤2)中所述的空间特征包括：

1)图片相对于屏幕的相对宽度nw，也就是图片宽度与屏幕宽度的比值，当比值超过1时，直接取1作为宽度归一化特征，最终计算 公式如下：

其中iw为图片宽度，sw为屏幕宽度；

2)图片相对于屏幕的相对高度nh，也就是图片高度与屏幕高度的比值，当比值超过1时，直接取1作为高度归一化特征，最终计算公式如下：

其中ih为图片高度，sh为屏幕高度；

3)图片在网页中的横向位置nlo，即为图片中心在屏幕中的横向相对位置，计算公式为：

其中lo为图片左边框与网页的左边框的距离；

4)图片与页面顶部的相对距离nto，计算公式为：

其中to为图片上边框与页面顶部的距离；

5)图片与页面底部的相对距离nbo，计算公式为：

其中bo为图片下边框与页面底部的距离。

4.如权利要求1所述的面向网页内容无障碍访问的图片重要性 分类方法，其特征在于：所述的步骤2)中所述的结构特征包括：

1)并列图片个数nlc，即当前图片所在图片组中图片的个数，即网页中存在的一组与当前图片长宽相同，并以横向、纵向或表格的方式排列的图片的个数；需要将数值归一化到[0，1]区间，计算公式为：

nlc＝1-0.5^lc-1

其中lc为当前图片所在图片组的图片个数；

2)图片的链接性质特征，分三种情况来考虑，如果图片是一个链接，并且在网页中存在指向同一地址的文本链接，则该特征值为0，如果图片不是链接，则该特征值为0.5，如果图片是一个链接，并在同一网页中不存在指向同一地址的文本链接，则该特征值为1；

3)图片后跟随文本的词数nwc，也分为两种情况，如果图片是一个链接，则设置特征值为0.5，否则按以下公式计算：

nwc＝1-0.5^wc

其中wc是图片后面跟随文本的词数；

4)图片所在网页超链接内容的面积占页面所有内容面积的比重nna，计算公式如下：

其中na为网页链接内容面积，ca为页面所有内容的面积。