【摘要】：針對(duì)當(dāng)下網(wǎng)絡(luò)視頻數(shù)量激增,在線訪問量巨大,現(xiàn)有搜索引擎不便于用戶瀏覽、搜索并快速掌握新聞事件演化發(fā)展的缺陷,本文以著名的在線視頻分享與社交網(wǎng)站YouTube作為代表性數(shù)據(jù)源,從2006年至2009年的四年間選取了22個(gè)全球熱點(diǎn)新聞話題,總共獲得19,972個(gè)視頻作為主要研究對(duì)象,研究了基于網(wǎng)絡(luò)視頻搜索結(jié)果的新聞事件檢測(cè)、事件關(guān)系挖掘和話題事件結(jié)構(gòu)的建立。同時(shí)從文本特征分析和視覺特征分析兩方面入手,結(jié)合文本和視覺的各自優(yōu)勢(shì),提出了新聞網(wǎng)絡(luò)視頻突發(fā)事件挖掘和結(jié)構(gòu)生成的系統(tǒng)技術(shù)框架。具體地,首先根據(jù)視頻數(shù)量隨用戶上傳時(shí)間的分布檢測(cè)出話題的事件突發(fā)時(shí)間區(qū)間(Bursty Period),從而濾除與話題相關(guān)度不大的噪聲視頻。然后,對(duì)于篩選出的視頻分文本和視覺兩方面分別進(jìn)行特征分析和挖掘,得到文本和視覺上各自的候選事件。在這一過程中,我們深入研究了共存性和特征軌跡兩大特征模式分析方法在文本和視覺近似重復(fù)幀上的應(yīng)用。接下來,內(nèi)容相同或相似的文本和視覺事件通過一種二分圖的方法被融合到一起。事件與事件之間的近似度被計(jì)算出來,由此又能將事件相互關(guān)聯(lián)在一起,并映射到時(shí)間軸上,最終生成話題的事件關(guān)系結(jié)構(gòu)圖,使網(wǎng)絡(luò)用戶能夠直觀快速地了解新聞話題的主要事件及其發(fā)展演化過程。 本文主要的研究?jī)?nèi)容和貢獻(xiàn)如下： 第一,提出了新聞網(wǎng)絡(luò)視頻突發(fā)事件挖掘和話題結(jié)構(gòu)生成的一種新系統(tǒng)框架,該框架將細(xì)粒度的視覺特征和粗粒度的文本特征結(jié)合到一起,提升了事件聚類的性能； 第二,考慮到新聞網(wǎng)絡(luò)視頻區(qū)別于傳統(tǒng)新聞視頻,文本內(nèi)容稀疏且通常包含大量噪聲,本研究利用近似重復(fù)幀(Near-Duplicate Keyframe, NDK),首次引入NDK序列生成的視覺特征軌跡作為事件挖掘的重要技術(shù)手段,并同文本特征結(jié)合起來； 第三,探索了共存性(Co-occurrence)和特征軌跡(Feature Trajectory)在視覺近似重復(fù)幀上的應(yīng)用,采用一種基于約束的聚類方法將兩者的優(yōu)勢(shì)結(jié)合起來； 第四,借助新系統(tǒng)框架,提出了一種話題事件結(jié)構(gòu)生成算法,該算法將事件映射到時(shí)間軸上并展現(xiàn)出事件之間的聯(lián)系,獲得了較好的效果,也啟發(fā)出一種新穎的視頻瀏覽用戶交互模式。 實(shí)驗(yàn)結(jié)果表明,本文在視覺方面提出的事件檢測(cè)方法取得了較高的精確度,并且文本和視覺相融合也較好地保留了兩者的優(yōu)勢(shì)。由此生成的話題事件結(jié)構(gòu)圖直觀地展現(xiàn)了新聞話題的主要事件及其發(fā)展脈絡(luò)。
【學(xué)位授予單位】：西南交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2012
【分類號(hào)】：TP393.09

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 錢剛,曾貴華;典型視頻鏡頭分割方法的比較[J];計(jì)算機(jī)工程與應(yīng)用;2004年32期

，

本文編號(hào)：2576052