[发明专利]一种基于多源网络新闻数据的多媒体问答方法

摘要

本发明提供一种基于多源网络新闻数据的多媒体问答方法，包括以下步骤：步骤1，基于网络爬虫机制，获取互联网上若干个新闻网站的新闻数据；步骤2，解析新闻数据得到新闻标题、新闻文本、新闻图片，并以此建立索引；步骤3，输入查询申请，检索与申请对应的新闻文档数据；步骤4，对获取的新闻文档数据，基于Latent Dirichlet Allocation模型分析新闻数据的主题，并将结果划分为不同的主题；步骤5，对于每一主题，对其中所包含的所有新闻文档数据中的图片进行相似性聚类，并在图片个数最多的子类中选择一幅图片作为该主题的代表性图片；步骤6，显示主题及该主体的代表性图片，点击主题查看该主题对应的新闻。

主权项

1.一种基于多源网络新闻数据的多媒体问答方法，其特征在于，包括以下步骤：步骤1，基于网络爬虫机制，获取互联网上若干个新闻网站的新闻数据；步骤2，解析新闻数据得到新闻标题、新闻文本、新闻图片，并以此建立索引；步骤3，输入查询申请，检索与申请对应的新闻文档数据；步骤4，对获取的新闻文档数据，基于LatentDirichletAllocation模型分析新闻数据的主题，并将结果划分为不同的主题；步骤5，对于每一主题，对其中所包含的所有新闻文档数据中的图片进行相似性聚类，并在图片个数最多的子类中选择一幅图片作为该主题的代表性图片；步骤6，显示主题及该主题的代表性图片，点击主题查看该主题对应的新闻；所述步骤3中对于检索：通过查询扩展的方式扩展若干语义相似的查询词Qca＝{qc1,qc2,qc3,...,qcnm}补充至检索申请中，qcnm为扩展出的查询词，其中n为原查询中的查询词个数，m为每个原查询中的查询词扩展出的查询词个数；于检索方法Okapi BM25上添加查询词的权重λi检索新闻文档；其中检索的文档与查询的相似性计算公式为公式中，N为总的查询词个数，D为新闻文档，Q为查询输入，qi是查询词，k1和b为Okapi BM25中的参数值，avgdl为所有新闻文档中的平均单词个数；tf()和IDF()为Okapi BM25中的统计值，权重f(*)为*出现的个数。