面向網(wǎng)上購物的多模態(tài)商品信息搜索技術(shù)的研究與實現(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，眾多的購物網(wǎng)站平臺應(yīng)運而生，網(wǎng)上購物已經(jīng)成為一種重要的購物方式。在購物時，用戶首先需要在網(wǎng)站通過搜索商品信息來選擇所需的商品，而目前絕大多數(shù)商品購物網(wǎng)站均基于文本搜索。面對海量的商品信息，當用戶不知如何用合適的文本描述商品時，往往很難找到心儀的商品。因此，本文研究面向網(wǎng)上購物的、基于文本和圖像的多模態(tài)商品信息搜索技術(shù)。
　　首先，在特征提取以及預處理方面，對于文本，本文通過分

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

3、本信息結(jié)構(gòu)的劃分，實現(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、商品價格。采用淘寶網(wǎng)站商品描述信息的實驗結(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，對于圖像搜索，在特征提取和預處理基礎(chǔ)上，本文通過改進經(jīng)典的LSH算法實現(xiàn)搜索。首先分析了各種LSH算法的變形，之后對該算法從兩個方面進行改進:對于圖像的全局特征，首先利用PCAp-LSH算法的特點反映出數(shù)據(jù)的分布，其次利用計數(shù)PCAp-LSH算法以選

4、擇適宜度更高的投影軸;對于局部特征，提出適應(yīng)局部特征的p-LSH算法，利用基于軸點的p-LSH提高檢索效率與準確率，并將LSH算法應(yīng)用于高維復雜的局部特征。采用淘寶網(wǎng)站商品圖片的實驗比較了不同參數(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;
　　最后，將文本搜索與圖像搜索結(jié)合起來，實現(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）的實驗結(jié)果表明了本文的多模態(tài)搜索能夠滿足用戶在召