專利名稱：一種可視化概念檢測(cè)器及構(gòu)造語(yǔ)義場(chǎng)的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及基于語(yǔ)義的三維模型檢索領(lǐng)域，具體涉及一種可視化概念檢測(cè)器及構(gòu)造語(yǔ)義場(chǎng)的方法。
背景技術(shù)：
隨著信息量呈幾何級(jí)數(shù)的增加，信息檢索已不再局限于文本檢索這一單一的形式，已經(jīng)逐步向多媒體檢索、語(yǔ)義檢索等方向擴(kuò)展。將基于語(yǔ)義的檢索方式應(yīng)用在多媒體領(lǐng)域一直是技術(shù)人員的目標(biāo)。
目前，基于語(yǔ)義的三維模型檢索方法主要分為以下兩種1、將用戶的相關(guān)反饋信息作為語(yǔ)義概念。該方法中，用戶首先提交三維模型，系統(tǒng)計(jì)算該待檢索的三維模型與數(shù)據(jù)庫(kù)中已有的三維模型的形狀特征的相似度，并將相似的模型作為第一次檢索的結(jié)果返回給用戶。用戶在這些模型中標(biāo)注這些模型與待檢索三維模型的相似度，接著將標(biāo)注相似度的模型返回給系統(tǒng)。系統(tǒng)根據(jù)用戶所標(biāo)注的相似度，進(jìn)行二次檢索，檢索與用戶所標(biāo)注的模型相似的模型，作為二次檢索的結(jié)果返回給用戶。2、將模型所具有的語(yǔ)義標(biāo)注作為文本關(guān)鍵詞，只檢索與該文本關(guān)鍵詞具有相同文本描述內(nèi)容的模型作為結(jié)果返回。
在上述基于語(yǔ)義的三維模型檢索方法中，存在如下問(wèn)題1、傳統(tǒng)的語(yǔ)義概念在三維模型檢索中的應(yīng)用方法易造成“語(yǔ)義鴻溝”。在傳統(tǒng)的方法中，對(duì)于低層級(jí)的三維模型來(lái)說(shuō)，它所具備的語(yǔ)義概念來(lái)自于它的語(yǔ)義標(biāo)注，例如椅子的模型的語(yǔ)義標(biāo)注即為“椅子”。而對(duì)于高層級(jí)語(yǔ)義、即用戶的檢索語(yǔ)句來(lái)說(shuō)，它可能為“家具”。若單純的以“家具”作為檢索內(nèi)容，則只能檢索出語(yǔ)義標(biāo)注為“家具”的三維模型，而不能檢索出從屬于“家具”、語(yǔ)義標(biāo)注為“椅子”的三維模型。這就是“語(yǔ)義鴻溝”。2、傳統(tǒng)的語(yǔ)義概念構(gòu)造方法僅基于語(yǔ)義標(biāo)注。 由于不同用戶對(duì)三維模型的語(yǔ)義標(biāo)注通常是主觀的、簡(jiǎn)短的、概念模糊不清的和不一致的， 而大量雜亂的語(yǔ)義標(biāo)注不能準(zhǔn)確構(gòu)造出能表示三維模型形狀特征的語(yǔ)義概念。例如，對(duì)于一只狗的三維模型來(lái)說(shuō)，它所具有的語(yǔ)義標(biāo)注可能是“狗”、“寵物”、“四肢動(dòng)物”等。
綜上所述，為提高基于語(yǔ)義的三維模型檢索結(jié)果精度，要求三維模型所具有的語(yǔ)義概念具有較高的準(zhǔn)確度?，F(xiàn)有的語(yǔ)義概念主要來(lái)自語(yǔ)義標(biāo)注，存在高層語(yǔ)義概念和底層三維模型之間的“語(yǔ)義鴻溝”問(wèn)題；而且現(xiàn)有的語(yǔ)義概念構(gòu)造方法也導(dǎo)致用戶語(yǔ)義標(biāo)注過(guò)于雜亂而無(wú)法與準(zhǔn)確語(yǔ)義概念進(jìn)行對(duì)應(yīng)。這些不準(zhǔn)確的語(yǔ)義概念將導(dǎo)致三維模型的檢索結(jié)果精度不高。發(fā)明內(nèi)容
為解決上述問(wèn)題，本發(fā)明提出一種可視化概念檢測(cè)器及構(gòu)造語(yǔ)義場(chǎng)的方法。通過(guò)可視化概念檢測(cè)器來(lái)構(gòu)造語(yǔ)義場(chǎng)，語(yǔ)義場(chǎng)是獲取整個(gè)語(yǔ)義概念詞集中更加完整的關(guān)系的一種方法。
根據(jù)本發(fā)明一個(gè)實(shí)施例，提供一種可視化概念檢測(cè)器，包括文本描述模塊、語(yǔ)義描述模塊、特征描述模塊和語(yǔ)義概率計(jì)算模塊；其中
所述文本描述模塊用于提取待檢索三維模型的相關(guān)詞匯并傳遞至所述語(yǔ)義描述模塊和所述語(yǔ)義概念計(jì)算模塊；
所述語(yǔ)義描述模塊用于獲取所述相關(guān)詞匯在語(yǔ)義詞典中的同義詞集，選取同義詞匯并傳遞至所述語(yǔ)義概念計(jì)算模塊；
所述特征描述模塊用于根據(jù)三維模型的形狀內(nèi)容特征為其歸類，將其所屬類別的內(nèi)容特征信息以及該檢索模型與該類別模型的形狀內(nèi)容特征相似度傳遞至所述語(yǔ)義概念計(jì)算模塊；
所述語(yǔ)義概率計(jì)算模塊將接收到的相關(guān)詞匯、同義詞匯和內(nèi)容特征信息通過(guò)概率模型計(jì)算待選語(yǔ)義概念是核心語(yǔ)義概念的概率，根據(jù)所計(jì)算的概率選取核心語(yǔ)義概念，得到核心語(yǔ)義概念詞匯表。
在一個(gè)實(shí)施例中，所述文本描述模塊包括
分詞工具，用于根據(jù)待檢索三維模型具有的文本描述內(nèi)容提取出描述該三維模型形狀內(nèi)容特征的一個(gè)或多個(gè)詞匯；
第一用戶接口，用于提供用戶從所述分詞工具提取出的所述一個(gè)或多個(gè)詞匯中選取相關(guān)詞匯。
在進(jìn)一步的實(shí)施例中，所述文本描述模塊還包括
網(wǎng)絡(luò)標(biāo)注子模塊，用于獲得待檢索三維模型的網(wǎng)絡(luò)標(biāo)注、統(tǒng)計(jì)相同網(wǎng)絡(luò)標(biāo)注的個(gè)數(shù)，選取標(biāo)注次數(shù)最多的一個(gè)或多個(gè)網(wǎng)絡(luò)標(biāo)注作為相關(guān)詞匯。
在一個(gè)實(shí)施例中，所述語(yǔ)義描述模塊包括
解釋子模塊用于通過(guò)語(yǔ)義詞典API開(kāi)發(fā)包獲取所述相關(guān)詞匯在語(yǔ)義詞典中的同義詞集，并且通過(guò)所述語(yǔ)義詞典對(duì)所述同義詞集每種詞性選取I或2個(gè)中間詞匯；第二用戶接口 用于提供用戶從所述中間詞匯中選取一個(gè)或多個(gè)同義詞匯。在一個(gè)實(shí)施例中，所述特征描述模塊中根據(jù)形狀內(nèi)容特征使用支持向量機(jī)進(jìn)行待 :維模型的歸類。在一個(gè)實(shí)施例中，所述語(yǔ)義概率計(jì)算模塊根據(jù)如下公式計(jì)算核心語(yǔ)義概念的概 ~:ια/>((:、.1,V/。= J-
檢索三
率:
權(quán)利要求
1.一種可視化概念檢測(cè)器，包括文本描述模塊、語(yǔ)義描述模塊、特征描述模塊和語(yǔ)義概率計(jì)算模塊；其中 所述文本描述模塊用于提取待檢索三維模型的相關(guān)詞匯并傳遞至所述語(yǔ)義描述模塊和所述語(yǔ)義概念計(jì)算模塊； 所述語(yǔ)義描述模塊用于獲取所述相關(guān)詞匯在語(yǔ)義詞典中的同義詞集，選取同義詞匯并傳遞至所述語(yǔ)義概念計(jì)算模塊； 所述特征描述模塊用于根據(jù)三維模型的形狀內(nèi)容特征為其歸類，將其所屬類別的內(nèi)容特征信息以及該檢索模型與該類別模型的形狀內(nèi)容特征相似度傳遞至所述語(yǔ)義概念計(jì)算模塊； 所述語(yǔ)義概率計(jì)算模塊將接收到的相關(guān)詞匯、同義詞匯和內(nèi)容特征信息通過(guò)概率模型計(jì)算待選語(yǔ)義概念是核心語(yǔ)義概念的概率，根據(jù)所計(jì)算的概率選取核心語(yǔ)義概念，得到核心語(yǔ)義概念詞匯表。
2.根據(jù)權(quán)利要求I所述的可視化概念檢測(cè)器，其中所述文本描述模塊包括 分詞工具，用于根據(jù)待檢索三維模型具有的文本描述內(nèi)容提取出描述該三維模型形狀內(nèi)容特征的一個(gè)或多個(gè)詞匯； 第一用戶接ロ，用于提供用戶從所述分詞工具提取出的所述ー個(gè)或多個(gè)詞匯中選取相關(guān)詞匯。
3.根據(jù)權(quán)利要求2述的可視化概念檢測(cè)器，其中所述文本描述模塊還包括 網(wǎng)絡(luò)標(biāo)注子模塊，用于獲得待檢索三維模型的網(wǎng)絡(luò)標(biāo)注、統(tǒng)計(jì)相同網(wǎng)絡(luò)標(biāo)注的個(gè)數(shù)，選取標(biāo)注次數(shù)最多的一個(gè)或多個(gè)網(wǎng)絡(luò)標(biāo)注作為相關(guān)詞匯。
4.根據(jù)權(quán)利要求I或2所述的可視化概念檢測(cè)器，其中所述語(yǔ)義描述模塊包括 解釋子模塊用于通過(guò)語(yǔ)義詞典API開(kāi)發(fā)包獲取所述相關(guān)詞匯在語(yǔ)義詞典中的同義詞集，并且通過(guò)所述語(yǔ)義詞典對(duì)所述同義詞集每種詞性選取I或2個(gè)中間詞匯； 第二用戶接ロ 用于提供用戶從所述中間詞匯中選取ー個(gè)或多個(gè)同義詞匯。
5.根據(jù)權(quán)利要求I或2所述的可視化概念檢測(cè)器，其中所述特征描述模塊中根據(jù)形狀內(nèi)容特征使用支持向量機(jī)進(jìn)行待檢索三維模型的歸類。
6.根據(jù)權(quán)利要求3所述的可視化概念檢測(cè)器，其中所述語(yǔ)義概率計(jì)算模塊根據(jù)如下公式計(jì)算核心語(yǔ)義概念的概率
7.根據(jù)權(quán)利要求6所述的可視化概念檢測(cè)器，其中根據(jù)所計(jì)算的概率選取核心語(yǔ)義概念包括 對(duì)所有P (Cx I SF)進(jìn)行排序，取值最大的兩個(gè)或多個(gè)作為核心語(yǔ)義概念，得到核心語(yǔ)義概念詞匯表。
8.ー種基于權(quán)利要求I所述的可視化概念檢測(cè)器構(gòu)造語(yǔ)義場(chǎng)的方法，包括 步驟I)、根據(jù)待檢索三維模型的文本描述和形狀內(nèi)容特征，構(gòu)造語(yǔ)義概念詞匯表，所述語(yǔ)義概念詞匯表包括相關(guān)詞匯、同義詞匯和內(nèi)容特征信息； 步驟2)、根據(jù)所述語(yǔ)義概念詞匯表，通過(guò)概率模型構(gòu)造語(yǔ)義場(chǎng)。
9.根據(jù)權(quán)利要求8所述的方法，步驟I)中相關(guān)詞匯的構(gòu)造步驟如下 步驟1-1-1)、根據(jù)待檢索三維模型所具有的文本描述，獲取三維模型的文本描述信息； 步驟1-1-2)、利用分詞工具，去除無(wú)用信息，獲得文本描述信息中的一個(gè)或多個(gè)詞匯； 步驟1-1-3)、從步驟1-1-2)得到詞匯，通過(guò)第一用戶接ロ提取出最能表示該三維模型的形狀內(nèi)容特征的一個(gè)或多個(gè)詞匯作為相關(guān)詞匯。
10.根據(jù)權(quán)利要求9所述的方法，步驟I)中相關(guān)詞匯的構(gòu)造步驟還包括 步驟1-1-4)、根據(jù)待檢索三維模型所具有的網(wǎng)絡(luò)標(biāo)注，選取標(biāo)注次數(shù)最多的一個(gè)或多個(gè)網(wǎng)絡(luò)標(biāo)注，作為相關(guān)詞匯。
11.根據(jù)權(quán)利要求8所述的方法，步驟I)中同義詞匯的構(gòu)造步驟如下 步驟1-2-1)、在語(yǔ)義詞典中查詢相關(guān)詞匯，獲得該相關(guān)詞匯在語(yǔ)義詞典中對(duì)應(yīng)的同義詞集； 步驟1-2-2)、在同義詞集中，按照詞性每個(gè)詞性選取I或2個(gè)中間詞匯； 步驟1-2-3)、通過(guò)第一用戶接ロ，由用戶從所述中間詞匯中選取ー個(gè)或多個(gè)作為同義詞匯。
12.根據(jù)權(quán)利要求8所述的方法，步驟I)中內(nèi)容特征信息的構(gòu)造步驟如下 步驟1-3-1)、利用特征向量提取算法提取待檢索三維模型的內(nèi)容特征； 步驟1-3-2)、根據(jù)待檢索的三維模型內(nèi)容特征向量，運(yùn)用支持向量機(jī)，將待檢索模型歸入三維模型數(shù)據(jù)庫(kù)中已存在的特定類別中； 步驟1-3-3)、待檢索三維模型獲得該特定類別具有的語(yǔ)義概念，計(jì)算待檢索模型與該特定類別模型的形狀內(nèi)容特征的相似度，將所獲得的語(yǔ)義概念與相似度作為內(nèi)容特征信息。
13.根據(jù)權(quán)利要求10所述的方法，步驟2)中根據(jù)所述語(yǔ)義概念詞匯表，通過(guò)概率模型構(gòu)造語(yǔ)義場(chǎng)包括 步驟2-1)、根據(jù)語(yǔ)義概念的來(lái)源，選擇不同概率模型計(jì)算待選語(yǔ)義概念為核心語(yǔ)義概念的可能性，從而計(jì)算核心語(yǔ)義概念的概率
14.根據(jù)權(quán)利要求13所述的方法，步驟2)中根據(jù)所述語(yǔ)義概念詞匯表，通過(guò)概率模型構(gòu)造語(yǔ)義場(chǎng)還包括 步驟2-2)、對(duì)所有核心語(yǔ)義概念的概率進(jìn)行排序，取值最大的兩個(gè)或更多個(gè)作為核心語(yǔ)義概念，得到語(yǔ)義場(chǎng)。
全文摘要
本發(fā)明提供一種可視化概念檢測(cè)器用于三維模型的檢索過(guò)程，所述可視化概念檢測(cè)器包括文本描述模塊、語(yǔ)義描述模塊、特征描述模塊和語(yǔ)義概念計(jì)算模塊。其中，文本描述模塊、語(yǔ)義描述模塊和特征描述模塊分別用于構(gòu)造源于待檢索三維模型的文本描述、網(wǎng)絡(luò)標(biāo)注，同義詞集、和形狀內(nèi)容特征的語(yǔ)義概念，獲得語(yǔ)義概念詞匯表。語(yǔ)義概念計(jì)算模塊用于通過(guò)概率模型計(jì)算得到核心語(yǔ)義概念詞匯表，即語(yǔ)義場(chǎng)。結(jié)合該可視化概念檢測(cè)器來(lái)檢索三維模型，減弱了“語(yǔ)義鴻溝”的不良影響、減少了三維模型檢索的計(jì)算量、加快了檢索速度、提升了檢索結(jié)果的精度與穩(wěn)定性。
文檔編號(hào)G06F17/27GK102982072SQ20121042119
公開(kāi)日2013年3月20日 申請(qǐng)日期2012年10月29日 優(yōu)先權(quán)日2012年10月29日
發(fā)明者蔡強(qiáng), 劉璇, 李海生, 曹健 申請(qǐng)人:北京工商大學(xué)