[发明专利]一种基于多源大数据分析的图像标注方法

权利要求书

1.一种基于多源大数据的图像标注方法，其特征在于：包括以下步骤：

S1.互联网图像多源数据采集：利用爬虫工具获取互联网图像多源数据并存储在分布式数据库中，所述互联网图像多源数据包括图像文本数据、图像属性数据、图像发布者数据、图像发布者社交关系数据；

S2.图像数据预处理：对互联网图像多源数据进行除噪、中文分词、去停用词、统一规格和数据规约处理，存入数据库中；其中，一个图像信息用一个三元组I＝{Tw，Tm，L}来表示，Tw表示图像的文本信息，Tm表示图像的发布时间，L表示图像的发布位置信息；一个图像发布者信息用一个三元组U＝{P，T，F}来表示，P表示用户的位置信息，T表示用户的描述信息，F表示用户的社交信息；

S3.图像相似度分析：通过分别指定图像属性信息、图像文本信息、图像发布者信息、图像发布者社交信息相似度的计算方法，通过融合图像各个源头的数据相似度，求得最终的图像相似度；

步骤S3包括下列子步骤：

S31.构建图像和属性集二部图网络，属性集定义为{类别，地点，时间}，当满足下列三个条件时则建立图像与属性集之间的连接边：1.微博图片所属的类别中含有属性集中的类别；2.微博图片的发布地点属性与属性集中的地点属性的省份相同；3.微博图片的发布时间与属性集中的时间差距在一周；图像与属性集之间边的权重采用公式W＝w₁W_T+w₂W_L计算，其中时间权重式中，time为微博发布时间，date为属性集中节点的时间分量，w₁，w₂为权重值，w₁+w₂＝1；位置权重W_L根据下列规则方法来计算：相同的市则W_L＝1，不同的市W_L＝0.6；通过公式

分析二部图网络中图像之间的相似度，计算出图像a和图像b的图像属性相似度S_P，其中a，b表示图像节点，C为衰减因子，I(a)、I(b)分别为节点a、b的入边邻节点集合，I_i(a)、I_k(a)分别为节点a入边邻节点集合中第i个、第k个节点，s(I_i(a)，I_j(b))表示节点a的入边邻节点集合中第i个节点和节点b的入边邻节点集合中第j个节点的相似度；

S32.使用文本编辑距离建立词汇相似度模型，使用公式计算图像标签文本相似度，式中，DIS(T₁，T₂)表示文本T₁，T₂的编辑距离，使用公式S_I(a，b)＝w₃S_P(a，b)+w₄S_T(T₁，T₂)计算图像相似度，其中S_I(a，b)表示图像a、b节点的图像相似度，T₁，T₂表示图像a、b的文本内容，w₃，w₄表示权重值，w₃+w₄＝1；

S33.分别计算图像发布者标签、位置和社交相似度；图像发布者标签相似度通过统计各标签用户发送的相似图像信息来度量各个标签之间的相似度，通过公式计算标签Ta1和Ta2的相似度，其中N_u1、N_u2分别表示标签为Ta1、Ta2的图像发布者发表的图像数量，N_Ta1、N_Ta2分别表示N_u1和N_u2中标签分别为Ta1、Ta2的图像数量；位置属性相似度S_L根据下列规则计算：相同省不同市其相似度为0.4，相同省相同市其相似度为0.8，不同省市其相似度为0.2；用户社交信息相似度使用公式计算，式中，F(u)表示用户u关注的用户数；最后通过公式S_U(u，v)＝w₅S_L(u，v)+w₆S_UT(Ta1，Ta2)+w₇S_F(u，v)拟合各相似度得到图像发布者相似度S_U(u，v)，式中，S_L(u，v)表示位置属性的相似度，S_UT(Ta1，Ta2)为图像发布者标签文本的相似度，Ta1，Ta2分别为用户u、v的标签，S_F(u，v)是用户社交信息相似度，w₅，w₆，w₇表示权重值，w₅+w₆+w₇＝1；

S34.使用公式S(u，v)＝w₈S_I(u，v)+w₉S_U(u，v)拟合图像相似度和图像发布者相似度得到图像总的相似度，S_I(u，v)表示图像相似度，S_U(u，v)表示图像发布者相似度，w₈，w₉表示权重值，w₈+w₉＝1；

S4.图像标注：通过计算图像在数据库中的相似度，得到图像的相似图像集，获取图像标注集，对标注集进行除噪生成图像的标注。