一种可视化概念检测器及构造语义场的方法技术

本发明专利技术提供一种可视化概念检测器用于三维模型的检索过程，所述可视化概念检测器包括文本描述模块、语义描述模块、特征描述模块和语义概念计算模块。其中，文本描述模块、语义描述模块和特征描述模块分别用于构造源于待检索三维模型的文本描述、网络标注，同义词集、和形状内容特征的语义概念，获得语义概念词汇表。语义概念计算模块用于通过概率模型计算得到核心语义概念词汇表，即语义场。结合该可视化概念检测器来检索三维模型，减弱了“语义鸿沟”的不良影响、减少了三维模型检索的计算量、加快了检索速度、提升了检索结果的精度与稳定性。

【技术实现步骤摘要】

本专利技术涉及基于语义的三维模型检索领域，具体涉及。
技术介绍
随着信息量呈几何级数的增加，信息检索已不再局限于文本检索这一单一的形式，已经逐步向多媒体检索、语义检索等方向扩展。将基于语义的检索方式应用在多媒体领域一直是技术人员的目标。目前，基于语义的三维模型检索方法主要分为以下两种1、将用户的相关反馈信息作为语义概念。该方法中，用户首先提交三维模型，系统计算该待检索的三维模型与数据库中已有的三维模型的形状特征的相似度，并将相似的模型作为第一次检索的结果返回给用户。用户在这些模型中标注这些模型与待检索三维模型的相似度，接着将标注相似度的模型返回给系统。系统根据用户所标注的相似度，进行二次检索，检索与用户所标注的模型相似的模型，作为二次检索的结果返回给用户。2、将模型所具有的语义标注作为文本关键词，只检索与该文本关键词具有相同文本描述内容的模型作为结果返回。在上述基于语义的三维模型检索方法中，存在如下问题1、传统的语义概念在三维模型检索中的应用方法易造成“语义鸿沟”。在传统的方法中，对于低层级的三维模型来说，它所具备的语义概念来自于它的语义标注，例如椅子的模型的语义标注即为“椅子”。而对于高层级语义、即用户的检索语句来说，它可能为“家具”。若单纯的以“家具”作为检索内容，则只能检索出语义标注为“家具”的三维模型，而不能检索出从属于“家具”、语义标注为“椅子”的三维模型。这就是“语义鸿沟”。2、传统的语义概念构造方法仅基于语义标注。 由于不同用户对三维模型的语义标注通常是主观的、简短的、概念模糊不清的和不一致的， 而大量杂乱的语义标注不能准确构造出能表示三维模型形状特征的语义概念。例如，对于一只狗的三维模型来说，它所具有的语义标注可能是“狗”、“宠物”、“四肢动物”等。综上所述，为提高基于语义的三维模型检索结果精度，要求三维模型所具有的语义概念具有较高的准确度。现有的语义概念主要来自语义标注，存在高层语义概念和底层三维模型之间的“语义鸿沟”问题；而且现有的语义概念构造方法也导致用户语义标注过于杂乱而无法与准确语义概念进行对应。这些不准确的语义概念将导致三维模型的检索结果精度不高。
技术实现思路
为解决上述问题，本专利技术提出。通过可视化概念检测器来构造语义场，语义场是获取整个语义概念词集中更加完整的关系的一种方法。根据本专利技术一个实施例，提供一种可视化概念检测器，包括文本描述模块、语义描述模块、特征描述模块和语义概率计算模块；其中所述文本描述模块用于提取待检索三维模型的相关词汇并传递至所述语义描述模块和所述语义概念计算模块；所述语义描述模块用于获取所述相关词汇在语义词典中的同义词集，选取同义词汇并传递至所述语义概念计算模块；所述特征描述模块用于根据三维模型的形状内容特征为其归类，将其所属类别的内容特征信息以及该检索模型与该类别模型的形状内容特征相似度传递至所述语义概念计算模块；所述语义概率计算模块将接收到的相关词汇、同义词汇和内容特征信息通过概率模型计算待选语义概念是核心语义概念的概率，根据所计算的概率选取核心语义概念，得到核心语义概念词汇表。在一个实施例中，所述文本描述模块包括分词工具，用于根据待检索三维模型具有的文本描述内容提取出描述该三维模型形状内容特征的一个或多个词汇；第一用户接口，用于提供用户从所述分词工具提取出的所述一个或多个词汇中选取相关词汇。在进一步的实施例中，所述文本描述模块还包括网络标注子模块，用于获得待检索三维模型的网络标注、统计相同网络标注的个数，选取标注次数最多的一个或多个网络标注作为相关词汇。在一个实施例中，所述语义描述模块包括解释子模块用于通过语义词典API开发包获取所述相关词汇在语义词典中的同义词集，并且通过所述语义词典对所述同义词集每种词性选取I或2个中间词汇；第二用户接口 用于提供用户从所述中间词汇中选取一个或多个同义词汇。在一个实施例中，所述特征描述模块中根据形状内容特征使用支持向量机进行待 :维模型的归类。在一个实施例中，所述语义概率计算模块根据如下公式计算核心语义概念的概 ~:ια/>((:、.1,V/。= J-检索三 率:权利要求1.一种可视化概念检测器，包括文本描述模块、语义描述模块、特征描述模块和语义概率计算模块；其中 所述文本描述模块用于提取待检索三维模型的相关词汇并传递至所述语义描述模块和所述语义概念计算模块； 所述语义描述模块用于获取所述相关词汇在语义词典中的同义词集，选取同义词汇并传递至所述语义概念计算模块； 所述特征描述模块用于根据三维模型的形状内容特征为其归类，将其所属类别的内容特征信息以及该检索模型与该类别模型的形状内容特征相似度传递至所述语义概念计算模块； 所述语义概率计算模块将接收到的相关词汇、同义词汇和内容特征信息通过概率模型计算待选语义概念是核心语义概念的概率，根据所计算的概率选取核心语义概念，得到核心语义概念词汇表。2.根据权利要求I所述的可视化概念检测器，其中所述文本描述模块包括 分词工具，用于根据待检索三维模型具有的文本描述内容提取出描述该三维模型形状内容特征的一个或多个词汇； 第一用户接ロ，用于提供用户从所述分词工具提取出的所述ー个或多个词汇中选取相关词汇。3.根据权利要求2述的可视化概念检测器，其中所述文本描述模块还包括 网络标注子模块，用于获得待检索三维模型的网络标注、统计相同网络标注的个数，选取标注次数最多的一个或多个网络标注作为相关词汇。4.根据权利要求I或2所述的可视化概念检测器，其中所述语义描述模块包括 解释子模块用于通过语义词典API开发包获取所述相关词汇在语义词典中的同义词集，并且通过所述语义词典对所述同义词集每种词性选取I或2个中间词汇； 第二用户接ロ 用于提供用户从所述中间词汇中选取ー个或多个同义词汇。5.根据权利要求I或2所述的可视化概念检测器，其中所述特征描述模块中根据形状内容特征使用支持向量机进行待检索三维模型的归类。6.根据权利要求3所述的可视化概念检测器，其中所述语义概率计算模块根据如下公式计算核心语义概念的概率7.根据权利要求6所述的可视化概念检测器，其中根据所计算的概率选取核心语义概念包括 对所有P (Cx I SF)进行排序，取值最大的两个或多个作为核心语义概念，得到核心语义概念词汇表。8.ー种基于权利要求I所述的可视化概念检测器构造语义场的方法，包括 步骤I)、根据待检索三维模型的文本描述和形状内容特征，构造语义概念词汇表，所述语义概念词汇表包括相关词汇、同义词汇和内容特征信息； 步骤2)、根据所述语义概念词汇表，通过概率模型构造语义场。9.根据权利要求8所述的方法，步骤I)中相关词汇的构造步骤如下 步骤1-1-1)、根据待检索三维模型所具有的文本描述，获取三维模型的文本描述信息； 步骤1-1-2)、利用分词工具，去除无用信息，获得文本描述信息中的一个或多个词汇； 步骤1-1-3)、从步骤1-1-2)得到词汇，通过第一用户接ロ提取出最能表示该三维模型的形状内容特征的一个或多个词汇作为相关词汇。10.根据权利要求9所述的方法，步骤I)中相关词汇的构造步骤还包括 步骤1-1-4)、根据待检索三维模型所具有的网络标注，选取标注次数最多的一个或多个网络标注，作本文档来自技高网...

【技术保护点】
一种可视化概念检测器，包括文本描述模块、语义描述模块、特征描述模块和语义概率计算模块；其中?所述文本描述模块用于提取待检索三维模型的相关词汇并传递至所述语义描述模块和所述语义概念计算模块；?所述语义描述模块用于获取所述相关词汇在语义词典中的同义词集，选取同义词汇并传递至所述语义概念计算模块；?所述特征描述模块用于根据三维模型的形状内容特征为其归类，将其所属类别的内容特征信息以及该检索模型与该类别模型的形状内容特征相似度传递至所述语义概念计算模块；?所述语义概率计算模块将接收到的相关词汇、同义词汇和内容特征信息通过概率模型计算待选语义概念是核心语义概念的概率，根据所计算的概率选取核心语义概念，得到核心语义概念词汇表。

【技术特征摘要】

【专利技术属性】
技术研发人员：蔡强，刘璇，李海生，曹健，
申请(专利权)人：北京工商大学，
类型：发明
国别省市：