[发明专利]对搜索引擎返回的网页图片进行实体聚类的系统在审
| 申请号： | 201410554684.X | 申请日： | 2014-10-17 |
| 公开（公告）号： | CN104317867A | 公开（公告）日： | 2015-01-28 |
| 发明（设计）人： | 朱其立;赵凯祺;蔡智源;隋清宇;魏恩勋 | 申请（专利权）人： | 上海交通大学 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 上海汉声知识产权代理有限公司 31236 | 代理人： | 郭国中;樊昕 |
| 地址： | 200240 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种对搜索引擎返回的网页图片进行实体聚类的系统，包括离线系统和在线系统，离线系统用于对所有图片所在的源网页进行预处理，在线系统用于接收查询，提交到搜索引擎并接收返回的多页图片结果，对于每一个页的返回结果，找到源网页的概念化元数据和文本，并在概念化的文本中抽取查询上下文以及图片上下文，在线系统分别利用元数据，上下文，以及对上下文进行概念扩展后的扩展上下文进行三层聚类，并为每一个类别自动标注相关的描述性概念，以了解每一个类别的实体。本系统的三层聚类算法与一般的层次聚类算法具有相同的时间复杂度，而对于特征的细分使得每一层的输入即前一层的输出更加精确，能有效提升聚类效果，并且给出准确的描述概念。 | ||
| 搜索关键词： | 搜索引擎 返回 网页 图片 进行 实体 系统 | ||
【主权项】：
一种对搜索引擎返回的网页图片进行实体聚类的系统，其特征在于，包括离线系统和在线系统，其中：离线系统，用于对所有图片所在的源网页进行预处理，包括抽取网页元数据，把原网页文本和元数据概念化成一组带权概念的集合，即，概念向量，概念化后的元数据和网页内容供在线系统查询使用；在线系统，用于接收查询，提交到搜索引擎并接收返回的多页图片结果，对于每一个页的返回结果，找到源网页的概念化元数据和文本，并在概念化的文本中抽取查询关键词的上下文以及图片上下文，在线系统分别利用元数据，上下文，以及对上下文进行概念扩展后的扩展上下文进行三层聚类，并为每一个类别自动标注相关的描述性概念，以了解每一个类别的实体。
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上海交通大学，未经上海交通大学许可，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/patent/201410554684.X/，转载请声明来源钻瓜专利网。
