[发明专利]书籍搜索方法、装置和系统在审

专利信息
申请号: 202010235494.7 申请日: 2020-03-30
公开(公告)号: CN111460185A 公开(公告)日: 2020-07-28
发明(设计)人: 田宝亮;袁景伟;王岩;程童;黄宇飞 申请(专利权)人: 小船出海教育科技(北京)有限公司
主分类号: G06F16/51 分类号: G06F16/51;G06F16/532;G06F16/55;G06F16/583
代理公司: 北京清诚知识产权代理有限公司 11691 代理人: 乔东峰
地址: 100085 北京市海淀区*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 书籍 搜索 方法 装置 系统
【权利要求书】:

1.一种书籍搜索方法,用于根据书籍的封面图像搜索以获得目标书籍,其特征在于,包括:

获取书籍的封面图像;

将所述封面图像转化为特征向量,作为输入特征向量;

计算所述输入特征向量与预先存储的特征向量的相似度,根据该相似度确定要获得的目标书籍。

2.根据权利要求1所述的方法,其特征在于,所述将所述封面图像转化为输入特征向量的步骤包括:

将所述封面图像进行处理得到图案特征向量;

获取所述封面图像中的文字信息,将所述文字信息进行处理得到文字特征向量;

将所述图案特征向量与所述文字特征向量进行组合得到所述输入特征向量。

3.根据权利要求1至2任一项所述的方法,其特征在于,所述将所述封面图像进行处理得到图案特征向量,进一步包括:

将所述封面图像通过图像向量化模型进行处理得到经过特殊编码的图案像特征向量;

可选地,图像向量化模型为卷积神经网络模型,至少包括VGG模型、resnet模型。

4.根据权利要求1至3任一项所述的方法,其特征在于,所述获取所述封面图像中的文字信息,将所述文字信息进行处理得到文字特征向量,进一步包括:

使用锚点回归方法对书籍封面图像进行文字检测;

采用循环神经网络对检测到的文字进行识别;

利用词嵌入模型将识别出的文字转化为文字特征向量;

可选地,所述将所述图案特征向量与所述文字特征向量进行组合得到所述输入特征向量,进一步包括:

将处理得到的图案像特征向量及文字特征向量进行向量拼接;

将图案特征向量与文字特征向量首尾拼接得到封面图像转化的输入特征向量;

输入特征向量的维度等于图案像特征向量与文字特征向量维度的总和。

5.根据权利要求1至4任一项所述的方法,其特征在于,所述方法还包括:

建立内容数据库,在该内容数据库中存储书籍内容,并为不同书籍的书籍内容分配不同的书籍ID;

将所述内容数据库中的书籍的封面图像转化为特征向量,并为所述特征向量与各书籍ID建立对应关系;

可选地,所述为所述特征向量与各书籍ID建立对应关系的步骤包括:

建立索引数据库存储所述对应关系;

可选地,所述索引数据库和所述内容数据库建立在同一服务器上。

6.根据权利要求1至5任一项所述的方法,其特征在于,所述方法还包括:

所述服务器获取书籍的封面图像;

将所述封面图像转化为所述输入特征向量;

计算所述输入特征向量与所述索引数据中的特征向量的相似度,根据该相似度确定要获得的目标书籍的书籍ID;

可选地,所述根据该相似度确定要获得的目标书籍的书籍ID的步骤包括:

将所述输入特征向量与预先存储的多个特征向量的相似度按照从高到低排序;

将与输入特征向量的相似度大于预定值的各特征向量对应的书籍确定为目标书籍,或者,将与输入特征向量的相似度排序靠前的预定数量的书籍确定为目标书籍;

获取所述目标书籍对应的书籍ID;

可选地,所述相似度的计算方式为特征向量之间的余弦距离。

7.根据权利要求1至6任一项所述的方法,其特征在于,在获取所述目标书籍对应的书籍ID后,所述方法还包括:

服务器根据目标书籍对应的书籍ID从所述内容数据库获取目标书籍内容并根据客户端的请求发送给客户端;

所述客户端展示所述目标书籍的以下任一项:目标书籍的书籍ID、目标书籍的封面图像、目标书籍的书籍内容。

8.一种书籍搜索装置,用于根据书籍的封面图像搜索以获得目标书籍,其特征在于,包括:

图像获取模块,用于获取书籍的封面图像;

图像转化模块,用于将所述封面图像转化为特征向量,作为输入特征向量;

目标搜索模块,用于计算所述输入特征向量与预先存储的多个特征向量的相似度,根据该相似度确定要获得的目标书籍。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于小船出海教育科技(北京)有限公司,未经小船出海教育科技(北京)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010235494.7/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top