基于TOP API和LIRE的分布式Web圖像檢索系統(tǒng)的研究與實現(xiàn).pdf

1、本文通過分析研究基于LIRE架構(gòu)的圖像搜索引擎的關(guān)鍵技術(shù)難題，結(jié)合TOP API(Taobao Open Platform API，淘寶開放平臺API)接口及Web爬蟲技術(shù)，重點改進現(xiàn)有LIRE(Lucene Image REtrieval，Lucene圖像檢索)框架算法和模型，采用分布式索引技術(shù)，完成了一個互聯(lián)網(wǎng)電子商務(wù)Web圖像檢索系統(tǒng)的原型，并分析本課題研究在互聯(lián)網(wǎng)上所產(chǎn)生的價值與商業(yè)應(yīng)用效益。
　　 本文的研究涉及了計算

2、機應(yīng)用領(lǐng)域中的兩個重要方面：電子商務(wù)和基于內(nèi)容的圖像搜索引擎。
　　 對于基于TOPAPI的分布式索引數(shù)據(jù)的采集，相關(guān)研究不僅涉及到TOP API的調(diào)用及商品圖片數(shù)據(jù)的獲取，同時考慮到傳統(tǒng)數(shù)據(jù)獲取的方法和策略，依靠Heritrix網(wǎng)絡(luò)爬蟲，對其進行定制和算法的改進，以此來獲取特定網(wǎng)頁圖片數(shù)據(jù)信息，并最終通過建立分布式索引庫，提供給檢索系統(tǒng)進行搜索。
　　 對基于LIRE的檢索系統(tǒng)，除了改進LIRE的框架系統(tǒng)，同時也提出了

3、圖像均方差相似度的計算公式，改善了LIRE檢索的準確度問題。
　　 本課題的研究內(nèi)容主要包括以下方面：
　　 (1)TOP API采集不同類目商品的圖片數(shù)據(jù)
　　 (2)Heritrix爬取商品圖片數(shù)據(jù)的模塊設(shè)計
　　 (3)分布式索引策略
　　 (4)LIRE圖像搜索Web架構(gòu)模型
　　 (5)圖像搜索準確度算法改進
　　 根據(jù)研究內(nèi)容，課題解決的關(guān)鍵問題主要有：(1)商品圖片數(shù)

4、據(jù)采集，通過TOP API與網(wǎng)絡(luò)爬蟲Heritrix采集一定數(shù)量級的圖片數(shù)據(jù)，作為圖片索引的基礎(chǔ)，為檢索系統(tǒng)提供搜索接口和數(shù)據(jù)支持；(2)分布式索引的建立，將圖片庫按一定的策略歸類整理，做成分布式的檢索索引；(3)實現(xiàn)LIRE圖像搜索的Web架構(gòu)改造，推出改造模型，并改進搜索結(jié)果的準確度計算方法。
　　 最終，通過相關(guān)的開源技術(shù)支持和前期的技術(shù)預(yù)演，本課題實現(xiàn)了一個Web圖像檢索系統(tǒng)(Web Image Retrieval Sy