web圖片搜索引擎設(shè)計(jì)(存儲版)
【正文】 優(yōu)點(diǎn) ? 可以查詢相似圖片 ? 對圖片來源要求低（不需要額外文字信息） ? 缺點(diǎn) ? 技術(shù)不成熟 ? 效率低 ? 復(fù)雜語義無法表示 基于語義 ? 通過理解圖片中的可視特征來建立低層特征到高層語義的映射（比如：能夠理解大海是藍(lán)色的） 。符合人類理解圖片的自然方式。 ? 基于流的方式，圖片所在 HTML流中位置前后一段固定的距離 常用提取模式（續(xù)） ? 圖片周圍文字（續(xù)） ? 基于 DOM的方式 ? 與圖片具有共同最低祖先的文字節(jié)點(diǎn) form divimg src=“”/div fontsome_text/font /form form font div Some_text img 目前系統(tǒng)中使用的模式 ? img標(biāo)記信息 ? a標(biāo)記信息 ? 網(wǎng)頁標(biāo)題 ? 圖片的 URL ? table結(jié)構(gòu) ? 圖片周圍文字（ DOM） ? 網(wǎng)頁 meta信息 ? 鏈接到圖片所在網(wǎng)頁的文本 ? 關(guān)聯(lián)的 a和img 信息提取方法 ? 基于 DOM的方法 ? 將 HTML文檔解析為 DOM樹，遍歷所有的節(jié)點(diǎn)，利用 DOM接口的方法獲取相關(guān)信息。有時(shí) title下還會嵌套標(biāo)記，需要去除。 ? 基于語義 ? 理解可是特征的語義信息，可以利用文字查詢可視特征。 ? 開始大量的研究，在未來會有很大的發(fā)展。 ? 優(yōu)點(diǎn) ? 實(shí)現(xiàn)簡單，有開放的 DOM解析工具可用（ HTMLTidy） ? 利用部分結(jié)構(gòu)信息，提取信息準(zhǔn)確度稍高 ? 缺點(diǎn) ? 需要解析 DOM， 效率較低 信息提取方法（續(xù)） ? 基于流的方法 ? 直接通過字符串查找來定位所要提取的信息 ? 優(yōu)點(diǎn) ? 只關(guān)注幾個(gè) tag， 不需要解析 DOM， 速度快 ? 缺點(diǎn) ? 不太注重結(jié)構(gòu)信息，準(zhǔn)確性不如 DOM方式高 信息提取方法（續(xù)） ? 基于 wrapper的方法 ? 利用 HTML的半結(jié)構(gòu)特點(diǎn)來準(zhǔn)確的獲得文字與圖片的對應(yīng)關(guān)系 ? 優(yōu)點(diǎn) ? 對于固定的結(jié)構(gòu)
規(guī)章制度相關(guān)推薦
鄂ICP備17016276號-1