CN102682095B - 用于配对图片搜索的方法和提供配对图片的搜索系统 - Google Patents

Abstract

本发明提出一种用于配对图片搜索的方法和系统，其中所述方法包括以下步骤：搜索系统根据搜索信息从各个原始站点抓取源站点网页；从抓取的源站点网页中获得源站点网页中的图片；按照原始站点对获得的图片进行聚类以生成多个已收录站点图片集；对每个已收录站点图片集中的图片进行匹配分析以生成多个配对图片；以及搜索系统根据用户的搜索要求为用户提供相应的配对图片。根据本发明实施例的方法，搜索系统对已收录站点图片集中的图片进行匹配分析生成多个配对图片之后，根据用户的搜索要求将结果按照连续配对的方式反馈给用户，满足用户需求，提升用户体验。

Description

用于配对图片搜索的方法和提供配对图片的搜索系统

技术领域

本发明涉及互联网搜索技术领域，尤其涉及一种用于配对图片搜索的方法和提供配对图片的搜索系统。

背景技术

在互联网的图片资源中，部分图片是以配对的形式向用户展现的。用户可以通过搜索引擎输入关键词进行配对图片的搜索，通过用户搜索行为的统计分析得出在图片配对的需求占总需求量的0.9％。现有技术中，由于检索系统构架和通用流程等问题，配对图片是分散的，不满足用户需求，用户体验差。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。

为此，本发明的第一个目的在于提出一种可将搜索结果按照连续配对的方式反馈给用户以提升用户体验的用于配对图片搜索的方法。

本发明的第二个目的在于提出一种用于配对图片搜索的系统。

为了实现上述目的，本发明的第一方面实施例的用于配对图片搜索的方法包括以下步骤：搜索系统根据搜索信息从各个原始站点抓取源站点网页；从所述抓取的源站点网页中获得所述源站点网页中的图片；按照所述原始站点对获得的所述图片进行聚类以生成多个已收录站点图片集；对每个所述已收录站点图片集中的图片进行匹配分析以生成多个配对图片；以及所述搜索系统根据用户的搜索要求为所述用户提供相应的配对图片。

根据本发明实施例的用于配对图片搜索的方法，搜索系统对已收录站点图片集中的图片进行匹配分析生成多个配对图片之后，根据用户的搜索要求将结果按照连续配对的方式反馈给用户，满足用户需求，提升用户体验。

为了实现上述目的，本发明的第二方面实施例的用于提供配对图片的搜索系统包括：抓取装置，用于根据搜索信息从各个原始站点抓取源站点网页；匹配处理装置，用于从所述抓取的源站点网页中获得所述源站点网页中的图片，并按照所述原始站点对获得的所述图片进行聚类以生成多个已收录站点图片集，以及对每个所述已收录站点图片集中的图片进行匹配分析以生成多个配对图片；以及搜索提供装置，用于根据用户的搜索要求为所述用户提供相应的配对图片。

根据本发明实施例的用于提供配对图片的搜索系统，通过匹配处理装置对已收录站点图片集中的图片进行匹配分析以生成多个配对图片，然后搜索提供装置根据用户的搜索要求将结果按照通过提供模块以连续配对的方式反馈给用户，满足用户需求，提升用户体验。

本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1是根据本发明一个实施例的用于配对图片搜索的方法的流程图；

图2是根据本发明一个实施例的用于配对图片搜索的方法的流程图；

图3是根据本发明一个实施例的用于配对图片搜索的方法的流程图；

图4是根据本发明一个实施例的用于配对图片搜索的方法的示意图；

图5是根据本发明一个实施例的用于配对图片搜索的方法的流程图；

图6是根据本发明一个实施例的用于配对图片搜索的方法的流程图；

图7是根据本发明一个实施例的用于提供配对图片的搜索系统的结构框图；

图8是根据本发明一个实施例的用于提供配对图片的搜索系统的结构框图；

图9是根据本发明实施例的匹配分析模块的结构框图；

图10是根据本发明实施例的匹配分析模块的结构框图；以及

图11是根据本发明一个实施例的用于提供配对图片的搜索系统的结构框图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。

在本发明的描述中，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明而不是要求本发明必须以特定的方位构造和操作，因此不能理解为对本发明的限制。

下面参考说明书附图描述根据本发明实施例的用于配对图片搜索的方法。

一种用于配对图片搜索的方法，包括以下步骤：搜索系统根据搜索信息从各个原始站点抓取源站点网页；从抓取的源站点网页中获得源站点网页中的图片；按照原始站点对获得的图片进行聚类以生成多个已收录站点图片集；对每个已收录站点图片集中的图片进行匹配分析以生成多个配对图片；以及搜索系统根据用户的搜索要求为用户提供相应的配对图片。

图1为本发明一个实施例的用于配对图片搜索的方法的流程图。

如图1所示，根据本发明实施例的用于配对图片搜索的方法包括下述步骤。

步骤S101，搜索系统根据搜索信息从各个原始站点抓取源站点网页。

其中，配对图片对应的原始站点数据集中且文本特征显明，原始站点的网页数据段中包括重要的数据字段如alt和title等，搜索信息可包括关键词和阈值等。具体地，首先搜索系统将多个关键词与重要的数据字段的文本内容进行匹配，获取多个关键词的适应权重w_offset，然后根据适应权重w_offset和多个关键词权重w_query计算匹配权值w_final，例如w_final＝(max_offset-offset)/(max_offset)*w_offset+w_query，其中max_offset为多个关键词中的最大适用值，offset为平均适应值，搜索系统将匹配权值w_final与设置的阈值比较，如果匹配权值w_final大于所设置的阈值，则搜索系统判断命中该站点并抓取该站点相应的源站点图片。

其中，关键词可以包括配对、对称、一对、两张、男女、左右、一左一右、一男一女、一组、分开和卡通动漫等。在实际的抓取过程中可能获取不满足要求的配对图片，例如在进行情侣头像的配对中抓取女女或者男男的配对图，此时可以设置对原始站点进行降权处理的关键词，例如，姐妹、男生、男孩、女生和女孩等。

步骤S102，从抓取的源站点网页中获得源站点网页中的图片。

步骤S103，按照原始站点对获得的图片进行聚类以生成多个已收录站点图片集。

具体地，将属于一个原始站点的图片汇聚到一个类中，然后生成多个已收录站点图片集。其中，已收录站点图片集是被搜索系统所收录的，源站点图片集中包括被搜索系统收录的图片和未被搜索系统收录的图片。

步骤S104，对每个已收录站点图片集中的图片进行匹配分析以生成多个配对图片。

步骤S105，搜索系统根据用户的搜索要求为用户提供相应的配对图片。

根据本发明实施例的用于配对图片搜索的方法，搜索系统对已收录站点图片集中的图片进行匹配分析生成多个配对图片之后，根据用户的搜索要求将结果按照连续配对的方式反馈给用户，满足用户需求，提升用户体验。

图2为本发明一个实施例的用于配对图片搜索的方法的流程图。

如图2所示，根据本发明实施例的用于配对图片搜索的方法包括下述步骤。

步骤S201，搜索系统根据搜索信息从各个原始站点抓取源站点网页。

步骤S202，从抓取的源站点网页中获得源站点网页中的图片。

步骤S203，按照原始站点对获得的图片进行聚类以生成多个已收录站点图片集。

步骤S204，对源站点网页进行分析以生成源站点图片集。

步骤S205，获取源站点网页中的HTML格式文件和CSS格式文件。

步骤S206，根据HTML格式文件中的各个标签建立DOM-Tree。

步骤S207，根据CSS格式文件和DOM-Tree分析源站点图片集中图片在源站点网页中的位置以获得源站点图片集中图片的位置信息。

步骤S208，根据位置信息对已收录站点图片集中的图片进行匹配分析。例如，可设置位置阈值，将阈值范围内已收录站点图片集的图片进行匹配分析。

步骤S209，搜索系统根据用户的搜索要求为用户提供相应的配对图片。

根据本发明实施例的用于配对图片搜索的方法，通过源站点网页的DOM-Tree获取源站点图片集中图片的位置信息，根据位置信息对已收录站点图片集中的图片进行匹配分析，简单易行。

图3为本发明一个实施例的用于配对图片搜索的方法的流程图。

如图3所示，根据本发明实施例的用于配对图片搜索的方法包括下述步骤。

步骤S301，搜索系统根据搜索信息从各个原始站点抓取源站点网页。

步骤S302，从抓取的源站点网页中获得源站点网页中的图片。

步骤S303，按照原始站点对获得的图片进行聚类以生成多个已收录站点图片集。

步骤S304，对源站点网页进行分析以生成源站点图片集。

步骤S305，获取源站点网页中的HTML格式文件和CSS格式文件。

步骤S306，根据HTML格式文件中的各个标签建立DOM-Tree。

步骤S307，根据CSS格式文件和DOM-Tree分析源站点图片集中图片在源站点网页中的位置以获得源站点图片集中图片的位置信息。

步骤S308，根据位置信息获得已收录站点图片集中每个图片的位置信息。

步骤S309，根据已收录站点图片集生成已收录站点图片集在源站点网页中对应的第一范围。如图4(a)所示为源站点中每个图片按照位置信息分布示意图，其中每个小方块代表一个图片，为了说明方便将每个图片进行了编号，图4(b)所示为源站点中对应已收录站点图片按照位置信息分布示意图，则确定图4(b)中5’至9’之间的范围为第一范围。

步骤S310，根据源站点图片集和第一范围获得第一范围内的所有图片。如图4(c)中所示，根据源站点图片集和第一范围获取第一范围内的所有图片5(5’)、6、7(7’)、8(8’)和9(9’)。

在本发明的一个实施例中，计算第一范围内图片的数量，如果第一范围内图片的数量小于预设值，则过滤第一范围内所有图片。

在本发明的一个实施例中，将第一范围内不满足图片大小要求的图片去除。例如，过大图片、过小图片或者噪声图片等。

步骤S311，计算第一范围内的所有图片之间的第一平均间隔，并根据第一平均间隔及预设的比例将第一范围扩大至第二范围。如图4(d)所示，按照设置的比例1.6倍将第一范围向前向后做偏移，其中预设的比例还可设置其他比例。

步骤S312，对已收录站点图片集中的属于第二范围的图片进行匹配分析。例如，如图4(d)所示，经过匹配分析得出第二范围内7’和8’为配对图片。

步骤S313，搜索系统根据用户的搜索要求为用户提供相应的配对图片。

根据本发明实施例的用于配对图片搜索的方法，根据位置信息扩大配对图片的匹配分析范围，提高匹配分析的准确性。

图5为本发明一个实施例的用于配对图片搜索的方法的流程图。

如图5所示，根据本发明实施例的用于配对图片搜索的方法包括下述步骤。

步骤S401，搜索系统根据搜索信息从各个原始站点抓取源站点网页。

步骤S402，从抓取的源站点网页中获得源站点网页中的图片。

步骤S403，按照原始站点对获得的图片进行聚类以生成多个已收录站点图片集。

步骤S404，对源站点网页进行分析以生成源站点图片集。

步骤S405，获取源站点网页中的HTML格式文件和CSS格式文件。

步骤S406，根据HTML格式文件中的各个标签建立DOM-Tree。

步骤S407，根据CSS格式文件和DOM-Tree分析源站点图片集中图片在源站点网页中的位置以获得源站点图片集中图片的位置信息。

步骤S408，根据位置信息获得已收录站点图片集中每个图片的位置信息。

步骤S409，根据已收录站点图片集生成已收录站点图片集在源站点网页中对应的第一范围。

步骤S410，根据源站点图片集和第一范围获得第一范围内的所有图片。

在本发明的一个实施例中，计算第一范围内图片的数量，如果第一范围内图片的数量小于预设值，则过滤第一范围内所有图片。

在本发明的一个实施例中，将第一范围内不满足图片大小要求的图片去除。例如，过大图片、过小图片或者噪声图片等。

步骤S411，计算第一范围内的所有图片之间的第一平均间隔，并根据第一平均间隔及预设的比例将第一范围扩大至第二范围。

步骤S412，去除第二范围内不满足要求的图片，并再次计算第二范围内图片的第二平均间隔。

在本发明的一个实施例中，判断第二范围内超链接的数量是否大于阈值，如果大于阈值，则过滤第二范围内的所有图片。

步骤S413，根据第二平均间隔及预设的比例将第二范围扩大至第三范围。其中，第三范围的扩大与第二范围的扩大方法相同。

步骤S414，计算属于第三范围内图片之间的匹配度。

在本发明的一个实施例中，匹配度通过位置关系权重值、颜色相似度权重值、图片大小权重值、图片显著区域相似度权重值、图片背景区域相似度权重值、图片连续性权重值中的一种或多种计算得到。

步骤S415，根据匹配度确定第三范围内的配对图片。

步骤S416，判断确定的配对图片均属于已收录站点图片集。

步骤S417，如果确定的配对图片均属于已收录站点图片集，则将配对图片作为已收录站点图片集中的配对图片并保存。例如，将配对图片保存到配对字典之中。

步骤S418，确定的配对图片均不属于已收录站点图片集，则丢弃该配对图片。例如，配对图片中有一张是属于已收录站点图片集，另一张是属于源站点图片集，或者配对图片均属于源站点图片集，将该配对图片丢弃。

步骤S419，搜索系统根据用户的搜索要求为用户提供相应的配对图片。

根据本发明实施例的用于配对图片搜索的方法，重新计算第二范围内的图片平均间隔并将匹配分析的范围扩大至第三范围，进一步提高匹配分析的准确性。

图6为本发明一个实施例的用于配对图片搜索的方法的流程图。

如图6所示，根据本发明实施例的用于配对图片搜索的方法包括下述步骤。

步骤S501，搜索系统根据搜索信息从各个原始站点抓取源站点网页。

步骤S502，从抓取的源站点网页中获得源站点网页中的图片。

步骤S503，按照原始站点对获得的图片进行聚类以生成多个已收录站点图片集。

步骤S504，对源站点网页进行分析以生成源站点图片集。

步骤S505，获取源站点网页中的HTML格式文件和CSS格式文件。

步骤S506，根据HTML格式文件中的各个标签建立DOM-Tree。

步骤S507，根据CSS格式文件和DOM-Tree分析源站点图片集中图片在源站点网页中的位置以获得源站点图片集中图片的位置信息。

步骤S508，根据位置信息获得已收录站点图片集中每个图片的位置信息。

步骤S509，根据已收录站点图片集生成已收录站点图片集在源站点网页中对应的第一范围。

步骤S510，根据源站点图片集和第一范围获得第一范围内的所有图片。

在本发明的一个实施例中，计算第一范围内图片的数量，如果第一范围内图片的数量小于预设值，则过滤第一范围内所有图片。

在本发明的一个实施例中，将第一范围内不满足图片大小要求的图片去除。例如，过大图片、过小图片或者噪声图片等。

步骤S511，计算第一范围内的所有图片之间的第一平均间隔，并根据第一平均间隔及预设的比例将第一范围扩大至第二范围。

步骤S512，去除第二范围内不满足要求的图片，并再次计算第二范围内图片的第二平均间隔。

在本发明的一个实施例中，判断第二范围内超链接的数量是否大于阈值，如果大于阈值，则过滤第二范围内的所有图片。

步骤S513，根据第二平均间隔及预设的比例将第二范围扩大至第三范围。其中，第三范围的扩大与第二范围的扩大方法相同。

步骤S514，计算属于第三范围内图片之间的匹配度。

在本发明的一个实施例中，匹配度通过位置关系权重值、颜色相似度权重值、图片大小权重值、图片显著区域相似度权重值、图片背景区域相似度权重值、图片连续性权重值中的一种或多种计算得到。

步骤S515，根据匹配度确定第三范围内的配对图片。

步骤S516，判断确定的配对图片均属于已收录站点图片集。

步骤S517，如果确定的配对图片均属于已收录站点图片集，则将配对图片作为已收录站点图片集中的配对图片并保存。

在本发明的一个实施例中，搜索系统包括多级搜索模块，且配对图片保存在配对字典之中，其中，中级搜索模块与多个下级搜索模块相连，上级搜索模块与多个中级搜索模块相连。具体地，保存在配对字典之中的配对图片包括该图片的ID、配对图片ID等。

步骤S518，确定的配对图片均不属于已收录站点图片集，则丢弃该配对图片。例如，配对图片中有一张是属于已收录站点图片集，另一张是属于源站点图片集，或者配对图片均属于源站点图片集，将该配对图片丢弃。

步骤S519，下级搜索模块根据搜索要求生成初级搜索结果。

步骤S520，下级搜索模块从初级搜索结果中选择属于配对字典的图片，并对选择的图片的相关性信息进行加权提档处理。

步骤S521，下级搜索模块按照图片的相关性信息将预定数目的图片上传至中级搜索模块。其中，图片的相关性信息主要涉及图片的质量和配对信息，如果图片为配对图片则对将其相关性进行加权处理，由此保证下级搜索模块将高质量的配对图片上传至中级搜索模块，例如将加权之后的相关性排列在前的2000个图片上传至中级搜索模块。

步骤S522，中级搜索模块将多个下级搜索模块发送的图片加入至中间配对字典之中，并对经过下级搜索模块加权提档处理的图片进行恢复降档处理。其中，判断接收到的图片是否被下级搜索模块加权提档，如果进行加权提档则进行恢复降档处理。

步骤S523，中级搜索模块对中间配对字典中成对的图片进行加权提档处理，并按照图片的相关性信息将预定数目的图片上传至上级搜索模块。

步骤S524，上级搜索模块对多个中级搜索模块上传的图片进行重新排序，将成对的图片的显示位置提前并做相邻处理。

根据本发明实施例的用于配对图片搜索的方法，通过初级搜索模块将配对图片进行提档以确定高质量的配对图片上传到中级搜索模块，中级搜索模块将成对的图片进行加权提档处理并上传到上级搜索模块，上级搜索模块对上传的图片进行重新排序并将成对的图片的显示位置提前并做相邻处理，实现搜索结果按照连续配对进行呈现，进一步提升用户体验。

为了实现上述实施例，本发明又提出一种用于配对图片搜索的系统。下面参考说明书附图描述根据本发明实施例的用于配对图片搜索的系统。

一种用于提供配对图片的搜索系统，包括：抓取装置，用于根据搜索信息从各个原始站点抓取源站点网页；匹配处理装置，用于从抓取的源站点网页中获得源站点网页中的图片，并按照原始站点对获得的图片进行聚类以生成多个已收录站点图片集，以及对每个已收录站点图片集中的图片进行匹配分析以生成多个配对图片；以及搜索提供装置，用于根据用户的搜索要求为用户提供相应的配对图片。

图7为本发明一个实施例的用于提供配对图片的搜索系统的结构框图。

如图7所示，根据本发明实施例的用于提供配对图片的搜索系统包括抓取装置100、匹配处理装置200和搜索提供装置300。

具体地，抓取模块100用于搜索系统根据搜索信息从各个原始站点抓取源站点网页。其中，配对图片对应的原始站点数据集中且文本特征显明，原始站点的网页数据段中包括重要的数据字段如alt和title等，搜索信息可包括关键词和阈值等。具体地，抓取模块100首先搜索系统将多个关键词与重要的数据字段的文本内容进行匹配，获取多个关键词的适应权重w_offset，然后根据适应权重w_offset和多个关键词权重w_query计算匹配权值w_final，例如w_final＝(max_offset-offset)/(max_offset)*w_offset+w_query，其中max_offset为多个关键词中的最大适用值，offset为平均适应值，搜索系统将匹配权值w_final与设置的阈值比较，如果匹配权值w_final大于所设置的阈值，则搜索系统判断命中该站点并抓取该站点相应的源站点图片。

其中，关键词可以包括配对、对称、一对、两张、男女、左右、一左一右、一男一女、一组、分开和卡通动漫等。在实际的抓取过程中可能获取不满足要求的配对图片，例如在进行情侣头像的配对中抓取女女或者男男的配对图，此时可以设置对原始站点进行降权处理的关键词，例如，姐妹、男生、男孩、女生和女孩等。

匹配处理装置200用于从抓取的源站点网页中获得源站点网页中的图片，并按照原始站点对获得的图片进行聚类以生成多个已收录站点图片集，以及对每个已收录站点图片集中的图片进行匹配分析以生成多个配对图片。其中匹配处理装置200将属于一个原始站点的图片汇聚到一个类中，然后生成多个已收录站点图片集，已收录站点图片集是被搜索系统所收录的，源站点图片集中包括被搜索系统收录的图片和未被搜索系统收录的图片。

搜索提供装置300用于根据用户的搜索要求为用户提供相应的配对图片。

根据本发明实施例的用于提供配对图片的搜索系统，通过匹配处理装置对已收录站点图片集中的图片进行匹配分析以生成多个配对图片，然后搜索提供装置根据用户的搜索要求将结果按照通过提供模块以连续配对的方式反馈给用户，满足用户需求，提升用户体验。

图8为本发明一个实施例的用于提供配对图片的搜索系统的结构框图。

如图8所示，根据本发明实施例的用于提供配对图片的搜索系统包括抓取装置100、匹配处理装置200和搜索提供装置300，其中匹配处理装置200包括图片集生成模块210、位置信息获取模块220和匹配分析模块230。

具体地，抓取模块100用于搜索系统根据搜索信息从各个原始站点抓取源站点网页。匹配处理装置200用于从抓取的源站点网页中获得源站点网页中的图片，并按照原始站点对获得的图片进行聚类以生成多个已收录站点图片集，以及对每个已收录站点图片集中的图片进行匹配分析以生成多个配对图片。搜索提供装置300用于根据用户的搜索要求为用户提供相应的配对图片。

在本发明的一个实施例中，匹配处理装置200包括图片集生成模块210、位置信息获取模块220和匹配分析模块230。具体地，图片集生成模块210用于对源站点网页进行分析以生成源站点图片集。位置信息获取模块220用于获取源站点网页中的HTML格式文件和CSS格式文件，并根据HTML格式文件中的各个标签建立DOM-Tree，以及根据CSS格式文件和DOM-Tree分析源站点图片集中图片在源站点网页中的位置以获得源站点图片集中图片的位置信息。匹配分析模块230用于根据位置信息对已收录站点图片集中的图片进行匹配分析，例如，匹配分析模块230可设置位置阈值，将阈值范围内已收录站点图片集的图片进行匹配分析。

根据本发明实施例的用于提供配对图片的搜索系统，根据位置信息获取模块通过源站点网页的DOM-Tree获取源站点图片集中图片的位置信息，匹配分析模块根据位置信息对已收录站点图片集中的图片进行匹配分析，简单易行。

图9为本发明实施例的匹配分析模块230的结构框图。

如图9所示，根据本发明实施例的匹配分析模块230包括第一范围生成单元231、第二范围生成单元232和匹配分析单元233。

具体地，第一范围生成单元231用于根据位置信息获得已收录站点图片集中每个图片的位置信息，并根据已收录站点图片集生成已收录站点图片集在源站点网页中对应的第一范围。例如图4(a)所示为源站点中每个图片按照位置信息分布示意图，其中每个小方块代表一个图片，为了说明方便将每个图片进行了编号，图4(b)所示为源站点中对应已收录站点图片按照位置信息分布示意图，则确定图4(b)中5’至9’之间的范围为第一范围。

第二范围生成单元232用于根据源站点图片集和第一范围获得第一范围内的所有图片，并计算第一范围内的所有图片之间的第一平均间隔，以及根据第一平均间隔及预设的比例将第一范围扩大至第二范围。例如图4(c)中所示，根据源站点图片集和第一范围获取第一范围内的所有图片5(5’)、6、7(7’)、8(8’)和9(9’)，如图4(d)所示，按照设置的比例1.6倍将第一范围向前向后做偏移，其中预设的比例还可设置其他比例。

匹配分析单元233对已收录站点图片集中的属于第二范围的图片进行匹配分析。例如图4(d)所示，经过匹配分析得出第二范围内7’和8’为配对图片。

根据本发明实施例的匹配分析模块可以根据位置信息扩大配对图片的匹配分析范围，提高匹配分析的准确性。

图10为本发明实施例的匹配分析模块230的结构框图。

如图10所示，根据本发明实施例的匹配分析模块230包括第一范围生成单元231、第二范围生成单元232和匹配分析单元233，其中匹配分析单元233包括去除子单元2331、第三范围生成子单元2332、匹配度计算子单元2333和配对确定子单元2334。

具体地，第一范围生成单元231用于根据位置信息获得已收录站点图片集中每个图片的位置信息，并根据已收录站点图片集生成已收录站点图片集在源站点网页中对应的第一范围。第二范围生成单元232用于根据源站点图片集和第一范围获得第一范围内的所有图片，并计算第一范围内的所有图片之间的第一平均间隔，以及根据第一平均间隔及预设的比例将第一范围扩大至第二范围。匹配分析单元233对已收录站点图片集中的属于第二范围的图片进行匹配分析。

在本发明的一个实施例中，匹配分析单元233包括去除子单元2331、第三范围生成子单元2332、匹配度计算子单元2333和配对确定子单元2334。

具体地，去除子单元2331用于去除第二范围内不满足要求的图片。

在本发明的一个实施例中，去除子单元2331还用于计算第一范围内图片的数量，如果第一范围内图片的数量小于预设值，则过滤第一范围内所有图片。

在本发明的一个实施例中，去除子单元2331还用于将第一范围内不满足图片大小要求的图片去除。例如，过大图片、过小图片或者噪声图片等。

第三范围生成子单元2332用于再次计算第二范围内图片的第二平均间隔，并根据第二平均间隔及预设的比例将第二范围扩大至第三范围。其中，第三范围的扩大与第二范围的扩大方法相同。

匹配度计算子单元2333用于计算属于第三范围内图片之间的匹配度。具体地，匹配度通过位置关系权重值、颜色相似度权重值、图片大小权重值、图片显著区域相似度权重值、图片背景区域相似度权重值、图片连续性权重值中的一种或多种计算得到。

配对确定子单元2334用于根据匹配度确定第三范围内的配对图片，并在确定的配对图片均属于已收录站点图片集时，将配对图片作为已收录站点图片集中的配对图片并保存，例如，将配对图片保存到配对字典之中，其中如果确定配对图片均不属于已收录站点图片集，则丢弃该配对图片，例如，配对图片中有一张是属于已收录站点图片集，另一张是属于源站点图片集，或者配对图片均属于源站点图片集，将该配对图片丢弃。

在本发明的一个实施例中，匹配分析单元还包括判断子单元(图中未示出)，判断子单元用于判断第二范围内超链接的数量是否大于阈值，其中，去除子单元2331还用于在大于阈值时过滤第二范围内的所有图片。由此提高准确性。

根据本发明实施例的匹配分析模块可以重新计算第二范围内的图片平均间隔并将匹配分析的范围扩大至第三范围，进一步提高匹配分析的准确性。

图11为本发明一个实施例的用于提供配对图片的搜索系统的结构框图。

如图11所示，根据本发明实施例的用于提供配对图片的搜索系统包括抓取装置100、匹配处理装置200和搜索提供装置300，其中搜索提供装置300包括初级搜索结果生成模块310、第一加权处理模块320、降权处理模块330、第二加权处理模块340和排序模块350。

具体地，抓取模块100用于搜索系统根据搜索信息从各个原始站点抓取源站点网页。匹配处理装置200用于从抓取的源站点网页中获得源站点网页中的图片，并按照原始站点对获得的图片进行聚类以生成多个已收录站点图片集，以及对每个已收录站点图片集中的图片进行匹配分析以生成多个配对图片。搜索提供装置300用于根据用户的搜索要求为用户提供相应的配对图片。

在本发明的一个实施例中，搜索系统包括多级搜索模块，且配对图片保存在配对字典之中，其中，中级搜索模块与多个下级搜索模块相连，上级搜索模块与多个中级搜索模块相连。具体地，保存在配对字典之中的配对图片包括该图片的ID、配对图片ID等。

在本发明的一个实施例中，搜索提供装置300包括初级搜索结果生成模块310、第一加权处理模块320、降权处理模块330、第二加权处理模块340和排序模块350。

具体地，初级搜索结果生成模块310用于下级搜索模块根据搜索要求生成初级搜索结果。

第一加权处理模块320用于下级搜索模块从初级搜索结果中选择属于配对字典的图片，并对选择的图片的相关性信息进行加权提档处理，以及下级搜索模块按照图片的相关性信息将预定数目的图片上传至中级搜索模块。其中，图片的相关性信息主要涉及图片的质量和配对信息，如果图片为配对图片则通过第一加权处理模块320对将其相关性进行加权处理，由此保证下级搜索模块将高质量的配对图片上传至中级搜索模块，例如将加权之后的相关性排列在前的2000个图片上传至中级搜索模块。

降权处理模块330用于中级搜索模块将多个下级搜索模块发送的图片加入至中间配对字典之中，并对经过下级搜索模块加权提档处理的图片进行恢复降档处理。其中，判断接收到的图片是否被下级搜索模块加权提档，如果进行加权提档则进行恢复降档处理。

第二加权处理模块340用于中级搜索模块对中间配对字典中成对的图片进行加权提档处理，并按照图片的相关性信息将预定数目的图片上传至上级搜索模块。

排序模块350用于上级搜索模块对多个中级搜索模块上传的图片进行重新排序，将成对的图片的显示位置提前并做相邻处理。

根据本发明实施例的用于提供配对图片的搜索系统，通过第一加权处理模块将配对图片进行提档以确定高质量的配对图片上传到中级搜索模块，通过第二加权处理模块中级搜索模块将成对的图片进行加权提档处理并上传到上级搜索模块，通过排序模块上级搜索模块对上传的图片进行重新排序并将成对的图片的显示位置提前并做相邻处理，实现搜索结果按照连续配对进行呈现，进一步提升用户体验。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。

计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，在本发明的实施例中，移动终端可以是手机、平板电脑、个人数字助理、电子书等具有各种操作系统的硬件设备。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

Claims (20)

1.一种用于配对图片搜索的方法，其特征在于，包括以下步骤：

搜索系统根据搜索信息从各个原始站点抓取源站点网页；

从所述抓取的源站点网页中获得所述源站点网页中的图片；

按照所述原始站点对获得的所述图片进行聚类以生成多个已收录站点图片集；

根据图片的位置信息对所述多个已收录站点图片集中的每个已收录站点图片集的图片进行匹配分析以生成多个配对图片，其中，根据所述每个已收录站点图片集中图片的位置信息扩大所述配对图片的所述匹配分析的范围，所述图片的位置信息是所述图片在所述源站点网页中的位置信息；以及

在所述生成多个配对图片之后，所述搜索系统根据用户的搜索要求为所述用户提供相应的配对图片。

2.如权利要求1所述的用于配对图片搜索的方法，其特征在于，所述对每个所述已收录站点图片集中的图片进行匹配分析以生成多个配对图片还包括：

对所述源站点网页进行分析以生成源站点图片集；

获取所述源站点网页中的HTML格式文件和CSS格式文件；

根据所述HTML格式文件中的各个标签建立DOM-Tree；

根据所述CSS格式文件和所述DOM-Tree分析所述源站点图片集中图片在所述源站点网页中的位置以获得所述源站点图片集中图片的位置信息；

根据所述位置信息对所述已收录站点图片集中的图片进行匹配分析。

3.如权利要求2所述的用于配对图片搜索的方法，其特征在于，所述根据位置信息对所述已收录站点图片集中的图片进行匹配分析进一步包括：

根据所述位置信息获得所述已收录站点图片集中每个图片的位置信息；

根据所述已收录站点图片集生成所述已收录站点图片集在所述源站点网页中对应的第一范围；

根据所述源站点图片集和所述第一范围获得所述第一范围内的所有图片；

计算所述第一范围内的所有图片之间的第一平均间隔，并根据所述第一平均间隔及预设的比例将所述第一范围扩大至第二范围；

对所述已收录站点图片集中的属于所述第二范围的图片进行匹配分析。

4.如权利要求3所述的用于配对图片搜索的方法，其特征在于，所述对所述已收录站点图片集中的属于所述第二范围的图片进行匹配分析进一步包括：

去除所述第二范围内不满足要求的图片，并再次计算所述第二范围内图片的第二平均间隔；

根据所述第二平均间隔及预设的比例将所述第二范围扩大至第三范围；

计算属于所述第三范围内图片之间的匹配度；

根据所述匹配度确定所述第三范围内的配对图片；以及

如果所述确定的配对图片均属于所述已收录站点图片集，则将所述配对图片作为所述已收录站点图片集中的配对图片并保存。

5.如权利要求3所述的用于配对图片搜索的方法，其特征在于，还包括：

计算所述第一范围内图片的数量，如果所述第一范围内图片的数量小于预设值，则过滤所述第一范围内所有图片。

6.如权利要求3所述的用于配对图片搜索的方法，其特征在于，还包括：

将所述第一范围内不满足图片大小要求的图片去除。

7.如权利要求4所述的用于配对图片搜索的方法，其特征在于，还包括：

判断所述第二范围内超链接的数量是否大于阈值；

如果大于所述阈值，则过滤所述第二范围内的所有图片。

8.如权利要求4所述的用于配对图片搜索的方法，其特征在于，所述匹配度通过位置关系权重值、颜色相似度权重值、图片大小权重值、图片显著区域相似度权重值、图片背景区域相似度权重值、图片连续性权重值中的一种或多种计算得到。

9.如权利要求1所述的用于配对图片搜索的方法，其特征在于，所述搜索系统包括多级搜索模块，且所述配对图片保存在配对字典之中，其中，中级搜索模块与下级搜索模块相连，上级搜索模块与所述中级搜索模块相连。

10.如权利要求9所述的用于配对图片搜索的方法，其特征在于，所述搜索系统根据用户的搜索要求为所述用户提供相应的配对图片进一步包括：

所述下级搜索模块根据所述搜索要求生成初级搜索结果；

所述下级搜索模块从所述初级搜索结果中选择属于所述配对字典的图片，并对选择的所述图片的相关性信息进行加权提档处理；

所述下级搜索模块按照图片的相关性信息将预定数目的图片上传至所述中级搜索模块；

所述中级搜索模块将所述下级搜索模块发送的图片加入至中间配对字典之中，并对经过所述下级搜索模块加权提档处理的图片进行恢复降档处理；

所述中级搜索模块对所述中间配对字典中成对的图片进行加权提档处理，并按照图片的相关性信息将预定数目的图片上传至所述上级搜索模块；以及

所述上级搜索模块对所述中级搜索模块上传的图片进行重新排序，将成对的图片的显示位置提前并做相邻处理。

11.一种用于提供配对图片的搜索系统，其特征在于，包括：

抓取装置，用于根据搜索信息从各个原始站点抓取源站点网页；

匹配处理装置，用于从所述抓取的源站点网页中获得所述源站点网页中的图片，并按照所述原始站点对获得的所述图片进行聚类以生成多个已收录站点图片集，以及根据图片的位置信息对所述多个已收录站点图片集中的每个已收录站点图片集的图片进行匹配分析以生成多个配对图片，其中，根据所述每个已收录站点图片集中图片的位置信息扩大所述配对图片的所述匹配分析的范围，所述图片的位置信息是所述图片在所述源站点网页中的位置信息；以及

搜索提供装置，用于在所述生成多个配对图片之后，根据用户的搜索要求为所述用户提供相应的配对图片。

12.如权利要求11所述的用于提供配对图片的搜索系统，其特征在于，所述匹配处理装置进一步包括：

图片集生成模块，用于对所述源站点网页进行分析以生成源站点图片集；

位置信息获取模块，用于获取所述源站点网页中的HTML格式文件和CSS格式文件，并根据所述HTML格式文件中的各个标签建立DOM-Tree，以及根据所述CSS格式文件和所述DOM-Tree分析所述源站点图片集中图片在所述源站点网页中的位置以获得所述源站点图片集中图片的位置信息；

匹配分析模块，用于根据所述位置信息对所述已收录站点图片集中的图片进行匹配分析。

13.如权利要求12所述的用于提供配对图片的搜索系统，其特征在于，所述匹配分析模块进一步包括：

第一范围生成单元，用于根据所述位置信息获得所述已收录站点图片集中每个图片的位置信息，并根据所述已收录站点图片集生成所述已收录站点图片集在所述源站点网页中对应的第一范围；

第二范围生成单元，用于根据所述源站点图片集和所述第一范围获得所述第一范围内的所有图片，并计算所述第一范围内的所有图片之间的第一平均间隔，以及根据所述第一平均间隔及预设的比例将所述第一范围扩大至第二范围；

匹配分析单元，对所述已收录站点图片集中的属于所述第二范围的图片进行匹配分析。

14.如权利要求13所述的用于提供配对图片的搜索系统，其特征在于，所述匹配分析单元进一步包括：

去除子单元，用于去除所述第二范围内不满足要求的图片；

第三范围生成子单元，用于再次计算所述第二范围内图片的第二平均间隔，并根据所述第二平均间隔及预设的比例将所述第二范围扩大至第三范围；

匹配度计算子单元，用于计算属于所述第三范围内图片之间的匹配度；

配对确定子单元，用于根据所述匹配度确定所述第三范围内的配对图片，并在所述确定的配对图片均属于所述已收录站点图片集时，将所述配对图片作为所述已收录站点图片集中的配对图片并保存。

15.如权利要求14所述的用于提供配对图片的搜索系统，其特征在于，所述去除子单元还用于：

计算所述第一范围内图片的数量，并在所述第一范围内图片的数量小于预设值时过滤所述第一范围内所有图片。

16.如权利要求14所述的用于提供配对图片的搜索系统，其特征在于，所述去除子单元还用于：

将所述第一范围内不满足图片大小要求的图片去除。

17.如权利要求14所述的用于提供配对图片的搜索系统，其特征在于，所述匹配分析单元还包括：

判断子单元，用于判断所述第二范围内超链接的数量是否大于阈值，其中，所述去除子单元还用于在大于所述阈值时过滤所述第二范围内的所有图片。

18.如权利要求14所述的用于提供配对图片的搜索系统，其特征在于，所述匹配度通过位置关系权重值、颜色相似度权重值、图片大小权重值、图片显著区域相似度权重值、图片背景区域相似度权重值、图片连续性权重值中的一种或多种计算得到。

19.如权利要求11所述的用于提供配对图片的搜索系统，其特征在于，所述搜索系统包括多级搜索模块，且所述配对图片保存在配对字典之中，其中，中级搜索模块与下级搜索模块相连，上级搜索模块与所述中级搜索模块相连。

20.如权利要求19所述的用于提供配对图片的搜索系统，其特征在于，所述搜索提供装置进一步包括：

初级搜索结果生成模块，用于所述下级搜索模块根据所述搜索要求生成初级搜索结果；

第一加权处理模块，用于所述下级搜索模块从所述初级搜索结果中选择属于所述配对字典的图片，并对选择的所述图片的相关性信息进行加权提档处理，以及所述下级搜索模块按照图片的相关性信息将预定数目的图片上传至所述中级搜索模块；

降权处理模块，用于所述中级搜索模块将所述下级搜索模块发送的图片加入至中间配对字典之中，并对经过所述下级搜索模块加权提档处理的图片进行恢复降档处理；

第二加权处理模块，用于所述中级搜索模块对所述中间配对字典中成对的图片进行加权提档处理，并按照图片的相关性信息将预定数目的图片上传至所述上级搜索模块；以及

排序模块，用于所述上级搜索模块对所述中级搜索模块上传的图片进行重新排序，将成对的图片的显示位置提前并做相邻处理。