[发明专利]基于文本分析的视频匹配系统

权利要求书

1.一种基于文本分析的视频匹配系统，其特征在于，包括：字幕分析模块、索引模块和搜索模块，其中：字幕分析模块提取字幕文件中的文字内容以及文字内容在视频中出现的时间，采用结巴分词对文字内容进行分词，并对分词后的文字内容采用TF-IDF算法得到文字内容的字幕关键字以及字幕关键字在视频中出现的开始时间和结束时间，索引模块根据字幕关键字及其开始时间和结束时间后采用哈希索引方法建立或更新视频索引，搜索模块根据用户输入的搜索关键字与视频索引中的字幕关键字对比并返回相似性最大的视频列表。

2.根据权利要求1所述的基于文本分析的视频匹配系统，其特征是，所述的结巴分词包括精确模式、全模式和搜索引擎模式三种分词模式，其中精确模式基于前缀词典实现高效的词图扫描，生成句子中汉字所有可能成词情况所构成的有向无环图，并采用动态规划查找最大概率路径，找出基于词频的最大切词组合。

3.根据权利要求2所述的基于文本分析的视频匹配系统，其特征是，所述的TF-IDF算法，即词频-逆文档频率算法，其通过一个关键词在文档中出现的次数以及逆文档频率，即关键词在文档中的权重，得到该关键词的TF-IDF值，采用TF-IDF算法能够获取字幕文件中的关键词及其关键词值，根据其高低顺序在对应视频中确定该关键词的开始时间和结束时间。

4.根据权利要求1所述的基于文本分析的视频匹配系统，其特征是，所述的哈希索引方法为对抽取出来的字幕关键字进行哈希计算获取哈希值，将哈希运算结果和所对应的行指针信息存放于一个哈希表中，以此建立视频字幕关键字索引。

5.一种根据上述任一权利要求所述系统的匹配方法，其特征在于，包括以下步骤：

步骤1)通过字幕分析模块读取视频中的字幕文件，对当前视频中的字幕的文字内容进行分析，提取字幕关键字；

步骤2)将获取的字幕关键字集合传送给索引模块，索引模块通过训练字幕关键字建立视频索引或更新现有的视频索引，并将新的索引存储到数据库中；

步骤3)当用户在系统中输入搜索关键字时，获取索引文件，并通过用户输入的搜索关键字来和视频索引中的字幕关键字进行相似性计算，得到相似性最高的关键字集合，返回给用户对应的视频列表以及搜索关键字在视频中出现的时间信息。