網(wǎng)絡Flash資源文本信息提取研究.pdf

1、伴隨著互聯(lián)網(wǎng)技術的進一步普及,國民信息技術應用能力作為發(fā)展的重難點而被特別強調(diào),提高國民信息技術能力是教育技術學科建設的重點之一。
　　Flash動畫作為一種集文本、圖形、圖像、聲音、視頻、動畫于一身的多媒體載體,憑借其制作簡單、矢量格式放大不失真、體積小、交互豐富等特點日漸得到廣泛的應用。
　　Flash動畫資源日益重要,但是獲取Flash動畫資源的檢索研究還相對滯后。數(shù)據(jù)顯示關鍵詞檢索的方式依然是互聯(lián)網(wǎng)用戶檢索資源時使用

2、的主要的手段。當前的Flash動畫資源關鍵詞檢索是指針對資源所在網(wǎng)頁進行分析,提取網(wǎng)頁中的相關文本,分析得到的文本建立文本索引,這種方法有著明顯的缺陷,主要是由于網(wǎng)頁中的相關文本并不能很好的描述Flash動畫的內(nèi)容,造成了檢索中的諸多問題。
　　本研究立題網(wǎng)絡Flash資源文本信息提取,主要研究內(nèi)容為: Flash動畫文件的結構和形成運作方式; Flash動畫內(nèi)部的文本信息的存在形式;Flash動畫內(nèi)部文本信息提取方法;Flash

3、動畫內(nèi)部的文本信息的中文分詞技術;設計相應的數(shù)據(jù)庫收錄分析得到的關鍵詞形成索引。
　　首先,充分研究了網(wǎng)絡Flash動畫文件中各類標簽的結構內(nèi)容和主要功能,通過研究標簽了解Flash動畫的運行方式和形成過程。網(wǎng)絡中Flash動畫文件的主要格式為SWF,是一種與 XML文件結構相似的文件格式。Flash動畫中所包含的各種媒體元素、視覺效果以及交互的實現(xiàn)都是依靠一套獨立的二進制標簽進行說明的。
　　然后,研究Flash動畫中文本

4、信息分類并提出相應的提取方法。在充分分析Flash動畫文件文本的定義方式、存儲結構的基礎上,依照其定義、結構、存儲方式的的不同將Flash動畫中的文本信息分為不同種類,即靜態(tài)文本和動態(tài)文本、輸入文本。又按照其定義的方式不同進一步細分為輪廓文本和設備文本,針對不同種類文本的存儲特點找到不同的提取方式。
　　接著,研究了Flash動畫文本信息中文分詞技術。在對中文分詞技術進行大量研究工作之后,提出本研究的分詞技術,將提取到的字符串在經(jīng)

5、歷一系列的轉碼工作之后得到漢字字串,漢字字串通過基于詞典、雙向比較、詞性標注統(tǒng)一的機械分詞法進行分詞處理,得到關鍵詞之后對其進行進一步的過濾去重,以及劃分處理。并將得到的關鍵詞存儲至設計好的索引數(shù)據(jù)庫中。
　　最后,研究檢驗系統(tǒng)的性能。以碩思精靈為標準參照,對七類Flash動畫樣本進行檢驗,從查全率和查準率兩個緯度對系統(tǒng)的性能進行檢驗。
　　本論文使用的開發(fā)工具為Visual C++6.0程序,在Windows XP操作系統(tǒng)