[发明专利]基于视觉特征的信息深度处理方法及系统

说明书

本申请提供一种基于视觉特征的信息深度处理方法及系统，所述基于视觉特征的信息深度处理方法包括步骤：获取基于视觉特征的图文数据，对所述图文数据采用AI人工智能和/或深度学习技术进行语义识别，以识别得到意图信息，根据识别得到的意图信息对所述图文数据执行预定义的操作策略，以形成用于媒体业的包括媒体内容、版权和/或用户资源的图文数据库。通过上述方式，本申请能够对视觉特征的图文数据进AI处理和深度学习处理，然后建立可以适用于媒体业的图文数据库，实现行业的转型升级，提升行业的技术地位和发展优势，提高市场竞争力。

技术领域

本申请涉及信息处理技术领域，具体涉及一种基于视觉特征的信息深度处理方法，一种应用所述基于视觉特征的信息深度处理方法的系统。

背景技术

随着信息技术的快速发展，报纸已经从纸张的形式，逐渐扩展到电子的方式，这极大地方便了用户，但是，这对传统的传媒行业提起了极大的挑战。

同时，为把握国家和地方大力推进文化产业发展的重大产业政策的契机，抢占行业科技制高点，越来越多的传媒行业为了实现产业的升级，提升竞争力，会需要实现产业化应用，推进媒体行业的转型升级、文创行业内容汇聚以及挖掘内容的价值。

但是，现有技术在媒体领域中缺乏对图文数据的人工智能分析处理，难以实现产业的转型和整合，不利于产业的可持续发展。

针对现有技术的多方面不足，本申请的发明人经过深入研究，提出一种基于视觉特征的信息深度处理方法及系统。

发明内容

本申请的目的在于，提供一种基于视觉特征的信息深度处理方法及系统，能够对视觉特征的图文数据进AI处理和深度学习处理，然后建立可以适用于媒体业的图文数据库，实现行业的转型升级，提升行业的技术地位和发展优势，提高市场竞争力，推进产业的可持续发展。

为解决上述技术问题，本申请提供一种基于视觉特征的信息深度处理方法，作为其中一种实施方式，所述基于视觉特征的信息深度处理方法包括步骤：

获取基于视觉特征的图文数据；

对所述图文数据采用AI人工智能和/或深度学习技术进行语义识别，以识别得到意图信息；

根据识别得到的意图信息对所述图文数据执行预定义的操作策略，以形成用于媒体业的包括媒体内容、版权和/或用户资源的图文数据库。

作为其中一种实施方式，所述对所述图文数据采用AI人工智能和/或深度学习技术进行语义识别的步骤，具体包括：

采用基于词义的SCM文档表示模型的AI人工智能和/或深度学习技术对所述图文数据进行语义识别。

作为其中一种实施方式，所述采用基于词义的SCM文档表示模型的AI人工智能和/或深度学习技术对所述图文数据进行语义识别的步骤，具体包括：

采用基于词义的SCM文档表示模型捕获所述图文数据中的词义簇及其对应的权重值；

采用基于相似度的余弦相似度、相对熵KL距离、Jensen-Shannon距离和Hellinger距离根据所述词义簇及其对应的权重值进行语义识别；或，采用基于产生式的隐含狄利克雷分布LDA根据所述词义簇及其对应的权重值构建主题—文档概率映射进行语义识别。

作为其中一种实施方式，所述采用基于词义的SCM文档表示模型捕获所述图文数据中的词义簇及其对应的权重值的步骤，具体包括：

采用基于词义的SCM文档表示模型的图像识别法捕获所述图文数据中的词义簇及其对应的权重值，其中，所述图像识别法包括采用贝叶斯Bayes模型或马尔柯夫Markow随机场MRF模型的统计法。

作为其中一种实施方式，所述采用基于词义的SCM文档表示模型捕获所述图文数据中的词义簇及其对应的权重值的步骤，具体包括：