面向網(wǎng)上購(gòu)物的多模態(tài)商品信息搜索技術(shù)的研究與實(shí)現(xiàn).pdf

1、隨著Internet技術(shù)迅速發(fā)展，電子商務(wù)技術(shù)日趨成熟，眾多的購(gòu)物網(wǎng)站平臺(tái)應(yīng)運(yùn)而生，網(wǎng)上購(gòu)物已經(jīng)成為一種重要的購(gòu)物方式。在購(gòu)物時(shí)，用戶首先需要在網(wǎng)站通過(guò)搜索商品信息來(lái)選擇所需的商品，而目前絕大多數(shù)商品購(gòu)物網(wǎng)站均基于文本搜索。面對(duì)海量的商品信息，當(dāng)用戶不知如何用合適的文本描述商品時(shí)，往往很難找到心儀的商品。因此，本文研究面向網(wǎng)上購(gòu)物的、基于文本和圖像的多模態(tài)商品信息搜索技術(shù)。
　　首先，在特征提取以及預(yù)處理方面，對(duì)于文本，本文通過(guò)分

2、詞和構(gòu)建詞典以提取文本特征。對(duì)于圖像，本文進(jìn)行了全局特征與局部特征的多特征提取，之后針對(duì)不同的特征采用不同的預(yù)處理方法，根據(jù)輪廓特征，利用weka開源軟件對(duì)圖像進(jìn)行了初步的分類，利用局部特征SURF的仿射變換不變性，過(guò)濾出更穩(wěn)定的SURF特征點(diǎn)。采用淘寶網(wǎng)站數(shù)據(jù)的實(shí)驗(yàn)結(jié)果表明了本文提出的特征提取及預(yù)處理方法在商品圖像分類方面的優(yōu)勢(shì);
　　第二，對(duì)于文本搜索，在特征提取和預(yù)處理的基礎(chǔ)上，本文利用Lucene構(gòu)建索引，根據(jù)本文對(duì)商品文

3、本信息結(jié)構(gòu)的劃分，實(shí)現(xiàn)了根據(jù)4種不同屬性的搜索，即商品名稱、交易數(shù)量、商品描述、商品價(jià)格。采用淘寶網(wǎng)站商品描述信息的實(shí)驗(yàn)結(jié)果表明了本文提出的方法基于這4種屬性搜索的有效性;
　　第三，對(duì)于圖像搜索，在特征提取和預(yù)處理基礎(chǔ)上，本文通過(guò)改進(jìn)經(jīng)典的LSH算法實(shí)現(xiàn)搜索。首先分析了各種LSH算法的變形，之后對(duì)該算法從兩個(gè)方面進(jìn)行改進(jìn):對(duì)于圖像的全局特征，首先利用PCAp-LSH算法的特點(diǎn)反映出數(shù)據(jù)的分布，其次利用計(jì)數(shù)PCAp-LSH算法以選

4、擇適宜度更高的投影軸;對(duì)于局部特征，提出適應(yīng)局部特征的p-LSH算法，利用基于軸點(diǎn)的p-LSH提高檢索效率與準(zhǔn)確率，并將LSH算法應(yīng)用于高維復(fù)雜的局部特征。采用淘寶網(wǎng)站商品圖片的實(shí)驗(yàn)比較了不同參數(shù)、不同特征、不同搜索算法的搜索結(jié)果，結(jié)果表明了本文所提出方法在搜索質(zhì)量方面的優(yōu)勢(shì);
　　最后，將文本搜索與圖像搜索結(jié)合起來(lái)，實(shí)現(xiàn)了多模態(tài)信息搜索。采用淘寶網(wǎng)站的商品信息（包括圖片和文本信息）的實(shí)驗(yàn)結(jié)果表明了本文的多模態(tài)搜索能夠滿足用戶在召