[发明专利]基于自然交互输入的视频搜索系统及方法和视频搜索服务器

权利要求书

1.一种基于自然交互输入的视频搜索系统，其特征在于，包括：

用户端，包括语音采集模块和人机界面，该语音采集模块采集用户的语音输入以生成用户语音数据并提供至该人机界面；以及

视频搜索服务器，包括控制模块、语音识别模块、自然语言处理模块、视频关系数据库以及视频搜索模块，该视频关系数据库储存视频语义空间以及视频文本数据在该视频语义空间的语义描述子集合，

其中，该控制模块接收用户端的人机界面提供的用户语音数据并提供至语音识别模块以获取用户文本数据，将用户文本数据提供至自然语言处理模块以获取用户文本语义分析结果数据，并利用用户文本语义分析结果数据在视频关系数据库中进行预搜索以获取视频预搜索结果；该视频预搜索结果包含与用户文本语义分析结果数据匹配的相关视频文本数据在视频语义空间的语义描述子集合，

该视频搜索模块接收控制模块提供的用户文本语义分析结果数据和视频预搜索结果，利用用户文本语义分析结果数据于视频语义空间的语义描述子与视频预搜索结果所包含的语义描述子集合分别进行相似度比较，并根据比较结果输出视频最终搜索结果至控制模块，再由控制模块提供至人机界面以呈现给用户。

2.如权利要求1所述的基于自然交互输入的视频搜索系统，其特征在于，该视频搜索服务器还包括：

视频数据收集模块，收集视频数据以提供视频文本数据至该自然语言处理模块，由自然语言处理模块输出视频文本语义分析结果数据至视频关系数据库进行储存；以及

语义空间学习模块，利用视频关系数据库储存的视频文本语义分析结果数据进行训练学习得到视频语义空间并找到视频文本数据各自在视频语义空间的语义描述子后储存至视频关系数据库。

3.一种基于自然交互输入的视频搜索方法，其特征在于，包括步骤：

采集用户的自然交互输入以得到用户文本数据；

对该用户文本数据进行自然语言语义分析得到用户文本语义分析结果数据；

利用该用户文本语义分析结果数据进行预搜索得到视频预搜索结果，该视频预搜索结果包含与该用户文本语义分析结果数据匹配的相关视频文本数据在一视频语义空间的语义描述子集合；

将该用户文本语义分析结果数据投影到该视频语义空间后与该视频预搜索结果所包含的语义描述子集合分别进行相似度比较以输出视频最终搜索结果；以及

将该视频最终搜索结果呈现给用户。

4.如权利要求3所述的基于自然交互输入的视频搜索方法，其特征在于，还包括步骤：

收集取得视频文本数据；

对所取得的该视频文本数据进行自然语言语义分析得到视频文本语义分析结果数据；以及

利用该视频文本语义分析结果数据进行训练学习得到该视频语义空间并找到所取得的该视频文本数据各自在该视频语义空间的语义描述子。

5.如权利要求3所述的基于自然交互输入的视频搜索方法，其特征在于，利用该用户文本语义分析结果数据进行预搜索得到视频预搜索结果的步骤包括：

利用该用户文本语义分析结果数据进行分类搜索，该分类搜索包括视频导演名搜索、视频演员名搜索、视频制作年代搜索、视频主题类型搜索、视频地区或语言类型搜索、和视频类别搜索中的多个或全部。

6.一种基于自然交互输入的视频搜索方法，其特征在于，包括步骤：

利用对收集到的视频文本数据进行自然语言语义分析后而得到的视频文本语义分析结果数据进行量化并基于潜在语义索引进行训练学习得到视频语义空间，并取得收集到的视频文本数据在该视频语义空间的语义描述子集合；

采集用户的自然交互输入以得到用户文本数据；

对该用户文本数据进行自然语言语义分析得到用户文本语义分析结果数据；

利用该用户文本语义分析结果数据于该视频语义空间的语义描述子在至少部分收集到的视频文本数据于该视频语义空间的语义描述子集合中进行相似度比较以输出视频最终搜索结果；以及

将视频最终搜索结果呈现给用户。