[发明专利]基于内容结构特征的网络Flash搜索系统及搜索方法

权利要求书

1.基于内容结构特征的网络Flash搜索系统，其特征是，该系统由四个模块组成，分别是Flash资源搜索模块、网页分析与Flash资源下载模块、Flash内容结构分析模块及Flash检索模块；其中：Flash资源搜索模块利用本系统中开发的网络爬行器抓取网站中的Flash链接，把包含Flash动画的网页链接保存到Flash网页数据库中；网页分析与Flash资源下载模块通过分析网页代码提取与Flash相关的文本并下载网页链接中的Flash动画，建立Flash动画数据库；应用Flash动画内容结构分析模块实现Flash动画的场景分割与特征提取及Flash动画组成元素的特征提取，并把提取的内容特征添加到相应的Flash动画内容索引数据库中；利用Flash动画的检索模块完成基于内容的Flash动画的检索。

2.如权利要求1所述的基于内容结构特征的网络Flash搜索系统的搜索方法，其特征是，该方法的实现步骤如下：

步骤1）：Flash资源搜索：利用网络爬行器抓取网站Flash链接，保存包含Flash动画的网页链接；

步骤2）：网页分析与Flash资源下载：通过分析网页代码提取Flash相关文本并下载各类Flash动画，建立Flash动画数据库；

步骤3）：Flash动画的内容结构分析：应用Flash动画内容特征分析与提取平台实现Flash动画的场景结构分析和特征提取，并建立Flash动画内容索引库；

步骤4）：基于内容的Flash检索：利用Flash动画检索系统完成基于内容的Flash动画检索。

3.如权利要求2所述的基于内容结构特征的网络Flash搜索方法，其特征是，所述步骤1）中，Flash资源搜索的步骤如下：

步骤a：首先主题爬行器负责从互联网上抓取网页；

步骤b：其次主题搜索器通过HTML解析器获取即将爬行页面的文本信息，并将其和网页链接存入站内链接数据库中；

步骤c：对即将爬行的页面和查询主题的相关度进行网页内容相似度计算；同时HTML解析器提取出网页的URL，然后判断此网页是否包含Flash，如果包含则进行URL规则训练，将其用于链接相似度计算，经过内容和链接相似度计算后的网页链接与站内链接数据库中的网页链接进行网页链接加权，从而确定下一步要搜索的网页，经过URL链接过滤确定主题搜索器的爬行方向；如果不包含Flash，则直接将提取的网页链接存入站内链接数据库中，等待网页链接加权对其进行权值的分配；

步骤d：最终搜索得到的Flash网页链接存入Flash网页数据库中，同时也要将其存入站内链接数据库中用于指示主题搜索器下一步搜索的方向。

4.如权利要求2所述的基于内容结构特征的网络Flash搜索方法，其特征是，所述步骤2）中，网页分析与Flash资源下载的步骤如下：首先对网页数据库中的网页代码进行预处理与分析；然后对Flash资源区域定位，从Flash资源中提取相关文本；其次对提取的文本进行拼音及英文翻译转换、中文分词和关键词过滤提取的操作，从而提取出用于描述、标引Flash动画的信息，最终形成描述网页中Flash动画的信息库。

5.如权利要求2所述的基于内容结构特征的网络Flash搜索方法，其特征是，所述步骤3）中，Flash动画内容特征包括四个层次，分别是第一次层次Flash总体，第二层次是逻辑场景，第三层次是视觉场景，第四层次是组成元素。

6.如权利要求2所述的基于内容结构特征的网络Flash搜索方法，其特征是，所述步骤3）中，Flash动画的场景结构分析和特征提取包括：

（1）Flash动画逻辑场景的分割及特征提取；

（2）视觉场景的分割及特征提取；

（3）Flash动画的文本特征提取；

（4）Flash动画的形状特征提取；

（5）Flash动画的图像特征提取；

（6）Flash动画的视频特征提取；

（7）Flash动画的声音特征提取；

（8）Flash动画中按钮的特征提取。

7.如权利要求2所述的基于内容结构特征的网络Flash搜索方法，其特征是，所述步骤4）中，基于内容特征的Flash检索的步骤如下：将四十五个最能描述Flash内容的特征确定为索引项，然后把这四十五个索引项描述为十六个模块，这十六个模块又分为外部特征或者叫做总体特征和内部特征，其中外部特征在界面设计中表示为基本检索项，共有六个基本检索项，将这六个项目分为六个模块，其他项目按照内部特征的提取方式和结构分析分为十二个模块；采用布尔检索和模糊检索相结合的综合检索策略，对Flash动画的标题、类型和文件大小用布尔型检索方式，对内容的描述文本和视觉特征参数采用模糊检索方式，完成基于内容特征的Flash检索。