[发明专利]一种基于CCA算法的中文社区问答跨模态检索方法有效
| 申请号： | 201810935656.0 | 申请日： | 2018-08-16 |
| 公开（公告）号： | CN109213853B | 公开（公告）日： | 2022-04-12 |
| 发明（设计）人： | 苏磊;刘浠 | 申请（专利权）人： | 昆明理工大学 |
| 主分类号： | G06F16/332 | 分类号： | G06F16/332;G06F40/284;G06V10/77;G06V30/10;G06V30/41;G06K9/62 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 650093 云*** | 国省代码： | 云南;53 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于CCA算法的中文社区问答跨模态检索方法，首先从中文社区的问答对中提取数据集，数据集中包括文本数据和图像数据，然后分别采用LDA主题模型提取文本数据的特征向量、采用卷积神经网络特征提取方法和K‑means聚类方法提取图像数据的特征向量，分别得到文本数据的特征向量集X和图像数据的特征向量集Y，用CCA算法将X和Y映射到同一个特征空间，然后计算文本和图像的相似度，构建图像和文本跨模态检索模型，利用跨模态检索模型进行跨模态检索，实现图文交叉检索，本发明能够为提问者的问题匹配到更合理的答案，提高了问答系统中问题检索答案的性能以及准确性。 | ||
| 搜索关键词： | 一种 基于 cca 算法 中文 社区 问答 跨模态 检索 方法 | ||
【主权项】：
1.一种基于CCA算法的中文社区问答跨模态检索方法，其特征在于，具体步骤如下：(1)从中文社区的问答对中提取数据集，数据集中包括文本数据和图像数据，然后分别采用LDA主题模型提取文本数据的特征向量、采用卷积神经网络特征提取方法和K‑means聚类方法提取图像数据的特征向量，分别得到文本数据的特征向量集X和图像数据的特征向量集Y；(2)用CCA算法将步骤(1)文本数据的特征向量集和图像数据的特征向量集映射到同一个特征空间，然后计算文本和图像的相似度，构建图像和文本跨模态检索模型；(3)利用步骤(2)得到的跨模态检索模型进行跨模态检索，实现图文交叉检索。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于昆明理工大学，未经昆明理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810935656.0/，转载请声明来源钻瓜专利网。
