基于中文自然語(yǔ)言查詢的多媒體數(shù)據(jù)庫(kù)檢索系統(tǒng).pdf

1、 教育信息化對(duì)教師提出了新的要求，教師作為學(xué)習(xí)資源的管理者，要在教學(xué)過(guò)程中確定所需的媒體資源，并提供查詢線索。雖然因特網(wǎng)蘊(yùn)含了大量的多媒體信息，但現(xiàn)有的搜索引擎多數(shù)采用基于關(guān)鍵詞的方法，檢索多媒體的準(zhǔn)確度比較低。對(duì)于中小學(xué)教師而言，日常教學(xué)工作繁忙，對(duì)計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)應(yīng)用的熟練程度參差不齊，在多媒體資源的查找方面更需要方便快捷的系統(tǒng)來(lái)加以輔助。 自然語(yǔ)言查詢是指用戶用自然語(yǔ)言在檢索系統(tǒng)中對(duì)查詢目標(biāo)進(jìn)行描述，系統(tǒng)從查詢文本中自

2、動(dòng)提取查詢條件、查詢目標(biāo)的關(guān)鍵特征，按一定的規(guī)則和算法在數(shù)據(jù)庫(kù)中查找滿足條件的記錄作為查詢結(jié)果反饋給用戶?；谥形淖匀徽Z(yǔ)言查詢的多媒體數(shù)據(jù)庫(kù)檢索主要包括三個(gè)過(guò)程：從中文查詢文本中提取查詢目標(biāo)媒體的關(guān)鍵特征；從數(shù)據(jù)庫(kù)中查找滿足查詢條件并且與查詢目標(biāo)媒體具有較大相似度的記錄；將查找到的記錄數(shù)據(jù)作為檢索結(jié)果按照相似度大小排序提供給用戶。 論文研究了中文自然語(yǔ)言理解的特點(diǎn)和分詞的一般方法，建立自用的分詞系統(tǒng)，對(duì)查詢文本進(jìn)行分詞和詞性標(biāo)注

3、。從查詢文本中去除虛詞、設(shè)定的缺省詞匯，即可得到對(duì)目標(biāo)媒體的描述，稱為主題內(nèi)容。根據(jù)顏色詞典從主題內(nèi)容中提取顏色詞，與用戶輸入的顏色詞合并后作為主色調(diào)顏色詞；根據(jù)主體詞詞典和主體屬性詞典，從主題內(nèi)容中進(jìn)一步提取主體詞和主體屬性詞；如果主題內(nèi)容中有“背景是”或“背景為”兩種句式，可以提取背景詞。計(jì)算相似度之前，主題內(nèi)容要依據(jù)同義詞詞典進(jìn)行擴(kuò)展。 論文中采用相似度來(lái)衡量查詢目標(biāo)媒體和數(shù)據(jù)庫(kù)媒體之間的差距。媒體的特征包括文件屬性和內(nèi)容

4、特征，相似度計(jì)算主要是針對(duì)媒體的內(nèi)容特征。論文中為圖像、視頻、動(dòng)畫(huà)、音頻四種類型的媒體建立了內(nèi)容特征表示模型，對(duì)于不同的內(nèi)容特征使用不同的相似度計(jì)算方法。通過(guò)比較擴(kuò)展后的主題內(nèi)容與數(shù)據(jù)庫(kù)中內(nèi)容描述字段相同詞的個(gè)數(shù)來(lái)計(jì)算主題內(nèi)容相似度；主色調(diào)顏色詞轉(zhuǎn)換為HIS模式，與數(shù)據(jù)庫(kù)中以數(shù)值方式標(biāo)注的主色調(diào)字段進(jìn)行色調(diào)相似度的計(jì)算；圖像的主體與主體屬性針對(duì)數(shù)據(jù)庫(kù)中的主體字段計(jì)算相似度。所有的內(nèi)容特征按照其所在層次確定重要性后，計(jì)算總相似度。按照總相

5、似度的大小，將最相似的20個(gè)結(jié)果反饋給用戶。 論文在上述工作的基礎(chǔ)上設(shè)計(jì)了基于中文自然語(yǔ)言查詢的多媒體數(shù)據(jù)庫(kù)檢索系統(tǒng)。用戶注冊(cè)登錄后在界面上輸入中文自然語(yǔ)言查詢文本，進(jìn)行文件格式、文件大小、媒體類型的選擇。系統(tǒng)自動(dòng)提取主題內(nèi)容、內(nèi)容特征、計(jì)算相似度，將符合條件的記錄數(shù)據(jù)按照相似度的大小反饋給用戶，反饋的內(nèi)容還包括文件大小、相似度大小、媒體所在網(wǎng)址等相關(guān)信息。初步實(shí)驗(yàn)結(jié)果表明，該系統(tǒng)對(duì)結(jié)構(gòu)比較簡(jiǎn)單的、嵌套較少的查詢文本能比較準(zhǔn)確的