1、互聯(lián)網(wǎng)的發(fā)展使得搜索引擎成為了用戶尋找信息的最主要手段,而準(zhǔn)確和迅速是用戶對(duì)搜索引擎的最主要需求。然而目前搜索引擎的準(zhǔn)確度還無法完全滿足用戶的需求,所以如何能讓用戶在現(xiàn)有的還不夠準(zhǔn)確的搜索技術(shù)下也能夠迅速找到想要的信息成為了一個(gè)非常迫切的需求。
　　 網(wǎng)頁中含有很多可視化的多媒體信息,比如圖像、動(dòng)畫、視頻等等。俗話說“一幅圖抵得上千言萬語”,搜索引擎在展現(xiàn)搜索結(jié)果的時(shí)候加上這些多媒體信息,能夠讓用戶在很短的時(shí)間內(nèi)得到更多的信息量

2、,以便于用戶迅速找到想要的信息。這些有可能幫助用戶搜索的可視化多媒體信息被稱為網(wǎng)頁的可視化摘要。由于圖像是動(dòng)畫和視頻的基本組成部分,所以本文對(duì)圖像作為可視化摘要的關(guān)鍵問題進(jìn)行了深入的研究。
　　 網(wǎng)頁自身含有的圖像是可視化摘要的一個(gè)可靠來源,我們稱之為網(wǎng)頁內(nèi)部圖像。對(duì)于這類圖像,我們提出重要性模型對(duì)其表征網(wǎng)頁的能力進(jìn)行衡量：越重要的圖像,越適合作為可視化摘要。然而,也有很多網(wǎng)頁不存在重要的內(nèi)部圖像,所以我們提出從互聯(lián)網(wǎng)中獲取與目

3、標(biāo)網(wǎng)頁相關(guān)的圖像,我們稱之為網(wǎng)頁外部圖像。對(duì)于這類圖像,我們提出算法對(duì)其與目標(biāo)網(wǎng)頁的相關(guān)性進(jìn)行衡量：越相關(guān)的圖像,越適合作為可視化摘要。另外,我們將這兩種基于自然圖像的可視化摘要與縮略圖等合成圖像進(jìn)行了比較,并以分析結(jié)果為出發(fā)點(diǎn),提出了最優(yōu)可視化摘要的選擇算法。本文的主要研究結(jié)果有如下幾點(diǎn)：
　　 1.提出了網(wǎng)頁內(nèi)部圖像的重要性衡量模型。由于在網(wǎng)頁中存在大量的廣告圖像,裝飾圖像等,所以我們提出基于圖像特征提取和機(jī)器學(xué)習(xí)的算法來衡

4、量圖像重要性。該算法從四個(gè)層次提取圖像特征,并利用基于提升樹的LamdaMART算法對(duì)圖像的重要性建立模型。
　　 2.提出了網(wǎng)頁外部圖像的獲取和相關(guān)性衡量算法。我們提出了基于關(guān)鍵詞提取和圖像搜索的外部相關(guān)圖像的獲取方法,并基于圖像的文字信息與視覺信息衡量其與目標(biāo)網(wǎng)頁的相關(guān)性。外部圖像獲取系統(tǒng)能夠?yàn)榻话氲臒o重要內(nèi)部圖像的網(wǎng)頁找到相關(guān)的外部圖像,且相關(guān)性衡量算法能夠達(dá)到很高的精度。
　　 3.對(duì)網(wǎng)頁內(nèi)部圖像,網(wǎng)頁外部圖像

5、以及縮略圖,Visual Snippet進(jìn)行了深入的比較。我們利用人工標(biāo)注的數(shù)據(jù)比較可視化摘要在不同網(wǎng)頁中的效果,比如,重要性得分很高的內(nèi)部圖像是有內(nèi)部圖像的網(wǎng)頁的可靠可視化摘要,而縮略圖適合作為滿足“可視區(qū)域較小”,或“在截屏區(qū)域內(nèi)有重要圖像”,或“截屏區(qū)域內(nèi)有常見網(wǎng)站的logo”等特點(diǎn)的網(wǎng)頁的可視化摘要。另外,我們還通過用戶研究分析可視化摘要在理解網(wǎng)頁和重新尋找網(wǎng)頁這兩個(gè)應(yīng)用中的實(shí)用性。
　　 4.提出了從網(wǎng)頁內(nèi)部圖像和網(wǎng)頁

6、外部圖像中選擇最優(yōu)可視化摘要的統(tǒng)一算法。由于網(wǎng)頁內(nèi)部圖像和網(wǎng)頁外部圖像各有其優(yōu)缺點(diǎn),所以我們提出了基于聚類的最優(yōu)可視化摘要選擇算法。好的可視化摘要需要滿足相關(guān)性、重要性和典型性這三個(gè)特性,所以該算法利用之前提出的相關(guān)性和重要性模型衡量可視化摘要的前兩個(gè)特性,而利用聚類去體現(xiàn)典型性。我們將相關(guān)性和重要性作為聚類的先驗(yàn)知識(shí),采用近鄰傳播聚類算法將三者有機(jī)地結(jié)合起來。在聚類完成之后,最好的聚類中心被選為最優(yōu)可視化摘要。算法在客觀和主觀評(píng)價(jià)上都