999精品在线视频,手机成人午夜在线视频,久久不卡国产精品无码,中日无码在线观看,成人av手机在线观看,日韩精品亚洲一区中文字幕,亚洲av无码人妻,四虎国产在线观看 ?

基于HTML語義的多媒體資源數據采集研究

2016-02-17 10:38:29涂婧璐海南政法職業學院海南海口571100
中國現代教育裝備 2016年7期
關鍵詞：數據采集多媒體

郭 毅 涂婧璐海南政法職業學院 海南海口 571100

?

基于HTML語義的多媒體資源數據采集研究

郭 毅 涂婧璐
海南政法職業學院 海南海口 571100

摘 要：在互聯網多媒體資源日益豐富的當代，想收集相關的多媒體資源并使用是一件費時費力的工作。為了能更好地收集使用網絡上的多媒體資源，我們考慮在分析多媒體資源的特點的基礎上，結合Web網頁中與多媒體資源相關的上下文環境及HTML標簽的語義來實現能夠自動采集多媒體資源的應用。

關鍵詞：多媒體；HTML語義；數據采集

隨著計算機技術、通信技術和互聯網技術的迅速發展，網絡已成為當今人們獲取信息的重要途徑，各種網絡資源應用對人們的學習和生活的影響也日漸深刻和廣泛。多媒體資源作為網絡資源的重要組成部分，具有形象、生動、直觀、信息量大的優點，不受時間和空間的限制，能夠情景再現，動靜結合，將抽象的內容具體化、復雜的問題直觀化，刺激學習者的感觀和想象能力，激發學習興趣，使學習者在短時間內獲取盡可能多的信息。但是面對浩瀚的網絡世界里的多媒體資源爆炸式增長，學習者想要快速、準確地找到所需要的內容往往是件不太容易的事情。教師們備課時需要在網絡上不斷尋找資源并整理加工，在重復的勞動中消耗時間和精力，能夠高效地將所需資源整合起來為工作和學習所用較困難。

在互聯網世界中絕大多數的多媒體資源載體是基于Web網頁形式存在的。因此，如果實現一種自動采集Web網頁上的多媒體資源數據功能的應用，將能大大提高學習者效率，減輕學習者因資源收集所帶來的壓力，轉而將時間和精力集中到學習本身上，將起到事半功倍的效果。

目前，多媒體采集方法主要有基于內容和基于文本的多媒體信息提取，其中前者很大程度上依賴于對采集條件的精確描述程度，另外對于多媒體信息的深層語義分析還很困難，相對來說基于內容的多媒體采集技術還不是很成熟。

在Web網頁中的多媒體資源總是處于一定的上下文環境中，它們的語義與上下文環境有著密切的關系。從多媒體資源所在網頁的標題、文件名、周圍文本等相關信息中可以提取出反映多媒體資源的主題、主體等關鍵信息，對多媒體資源采集具有重要意義，因此，基于文本的采集方法更成熟，采集命中率更高。

1 多媒體資源的特點

目前所說的多媒體資源主要包括文本資源、圖片資源、音頻資源、視頻資源、動畫資源等幾類。

文本資源：是指計算機中的文字內容，是最有效、快速傳播知識信息的媒體元素。Web中的文本資源主要是以HTML中的文本標記來標記文字或以附件文件的形式下載，主要有TXT，DOC，WPS等格式。

圖片資源：生動直觀，很容易被認知和接收，是多媒體資源庫中最重要的資源之一,也是決定多媒體應用視覺效果好壞的關鍵因素。Web網頁中常見的圖像格式有JPEG，GIF，PNG等。其中，JPEG格式圖片占用空間小，是web網頁中最常見的圖像格式；GIF支持簡單動畫及透明效果；PNG結合前兩者優點，不失真，文件小，能顯示透明圖像。

音頻資源：音頻資源媒體一般以分為音樂、語音和效果音。Web 中常見的音頻格式有WAV，MP3，WMA，MIDI等格式。其中，WAV格式示壓縮，用于聲效和背景音樂；MP3格式壓縮率高，文件小，音質好，支持流媒體在線播放，適用于網絡傳輸；WMA格式是帶版權保護技術，壓縮率更高，音質強于MP3；MIDI格式是一組聲音信息指令，占用空間小。

視頻資源：視頻資源包括生活錄像、影視剪輯、新聞報道等視頻影像資料都可以作為多媒體教學的視頻資源。Web中常見的視頻格式有FLV，MPEG，AVI等。其中，FLV格式文件極小、加載速度極快，支持流媒體，是目前主流的Web網頁視頻格式。MPEG格式是運動圖像壓縮算法的國際標準，在視頻中應用廣泛。AVI格式沒有壓縮，圖像質量好，但是文件大。

動畫資源：它可以將抽象的內容清晰地展現出來，將復雜的流程動態地演示出來，使學習內容變得既直觀又簡單。網頁中的動畫最常見的格式是SWF格式，由于SWF格式文件占用空間很小，采用了流媒體技術，因此被廣泛應用于Web網頁中，普及率很高。

2 基于Web網頁的多媒體資源分析

Web中的多媒體資源作為網頁的組成部分與文本混合嵌入在Web 網頁中，同時又以獨立的文件形式保存在Web 服務器中。因此，Web網頁中的多媒體包含兩方面的屬性：文件屬性和內容屬性。多媒體的文件屬性指文件名、文件類型、文件大小等信息。內容屬性是對多媒體數據所包含信息的描述。不同類型的多媒體文件具有不同的內容屬性，如圖像的主色調、視頻的關鍵幀等。

圖像的文件屬性有圖像文件名、類型、大小、URL等相關數據；圖像的語義屬性包括圖像所表現的主題、事件、場景以及圖像中物體的名稱、姿態、空間關系等語義信息。

視頻是一系列片斷的表達，每個片斷可分為若干個場景，進一步分為多個鏡頭。包含文件、語義屬性。其中語義屬性包含視頻標題、類型和內容描述，可以從網頁的上下文關聯環境中提取得到。其中類型又有電影、科技、教育等。

動畫在Web網頁上使用最多的為Flash動畫和GIF動畫。其中語義屬性包含動畫標題、類型、描述，可以從網頁相關上下文中提取得到。其中類型有教學型、娛樂型、交互型等。

音頻包括語音、音樂和其他的波形聲音。音頻標題、類型、描述，可以從網頁上下文中提取得到。其中類型可分為語音、音效、歌曲、音樂等。

3 多媒體資源的采集

Web網頁中是采用HTML語言來描述的。HTML即超文本標記語言，是一種簡單、通用的文本標記語言，可以制作包含文本、圖像、聲音、視頻、動畫等內容的網頁，并可以提供各網頁之間的鏈接。Web 中的各種多媒體資源通過 HTML 語言嵌入到網頁中，Web瀏覽器下載用HTML 標記過的文件，并對文件中的標記進行解釋，使用戶在屏幕上看到結構化的包含文字、圖像或其他各種多媒體資源的網頁頁面。

HTML標記語言通過標簽來描述各種資源，且每個標簽都有它各自的含義。如文字用標簽標記的表示是標題，

標簽標記的內容為一段落內容。項目列表標簽如