本文關(guān)鍵詞：基于大規(guī)模網(wǎng)絡(luò)視頻的事件挖掘研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著互聯(lián)網(wǎng)技術(shù)的迅猛發(fā)展和計(jì)算機(jī)的普及,普通用戶越來(lái)越容易從谷歌、百度、YouTube和優(yōu)酷等視頻分享網(wǎng)站上獲得大量正在發(fā)生的事件的網(wǎng)絡(luò)視頻。另外,CCTV、BBC和CNN等大量新聞媒體也越來(lái)越多的將大量網(wǎng)絡(luò)視頻放到他們的網(wǎng)站。這對(duì)普通用戶能否快速?gòu)乃阉饕娣祷氐暮Ａ烤W(wǎng)絡(luò)視頻中,掌握主要事件是一個(gè)挑戰(zhàn)。網(wǎng)絡(luò)視頻事件挖掘是一個(gè)非常有意義的研究課題。主要事件挖掘可以方便普通用戶快速了解整個(gè)話題,并建立事件間的關(guān)系,從而了解整個(gè)話題的來(lái)龍去脈。如果對(duì)某一個(gè)事件比較感興趣的話,還可以進(jìn)一步了解。當(dāng)普通用戶檢索某話題時(shí),如果他們了解該話題的主要事件,可以方便他們了解事件間的關(guān)系。然而,普通用戶只有觀看搜索引擎返回的海量視頻后,通過(guò)自己總結(jié)才能了解主要事件。這需要耗費(fèi)大量時(shí)間,而且難以完成,普通用戶也沒(méi)有足夠耐心,尤其是對(duì)于完全陌生的話題。因此,通過(guò)主要事件挖掘改善用戶搜索體驗(yàn)是一個(gè)緊迫的任務(wù)。本文分別研究了網(wǎng)絡(luò)視頻的文本與視覺(jué)的突發(fā)性特征,并通過(guò)它們間的關(guān)系進(jìn)行了相關(guān)融合方案的探索,主要內(nèi)容包括以下三個(gè)方面：首先,研究了基于共同發(fā)生與多重對(duì)應(yīng)分析的網(wǎng)絡(luò)視頻事件挖掘。針對(duì)網(wǎng)絡(luò)視頻中文本信息具有信息量少、噪聲多以及信息不完整等特性。同時(shí),結(jié)合視覺(jué)信息的特點(diǎn),即重要的鏡頭經(jīng)常被插入到相關(guān)視頻中用來(lái)提醒或支持其觀點(diǎn),具有舉足輕重的作用。此外,視覺(jué)信息不僅包含有豐富的信息,而且相對(duì)不容易被修改,因此視覺(jué)特征相對(duì)于文本描述更加精確,故其具有更明顯的優(yōu)勢(shì)。新提出的網(wǎng)絡(luò)視頻事件挖掘方法,通過(guò)文本與視覺(jué)信息的融合進(jìn)行網(wǎng)絡(luò)視頻的事件挖掘。通過(guò)共同發(fā)生挖掘視覺(jué)近似關(guān)鍵幀之間的視覺(jué)相關(guān)性,并將統(tǒng)計(jì)領(lǐng)域中的多重對(duì)應(yīng)分析應(yīng)用到多媒體檢索領(lǐng)域,探索網(wǎng)絡(luò)視頻中出現(xiàn)的標(biāo)題/標(biāo)簽等文本信息在視覺(jué)近似關(guān)鍵幀中的分布特性,從而利用文本信息的分布特性計(jì)算視覺(jué)近似關(guān)鍵幀與事件間的相關(guān)度。大量實(shí)驗(yàn)結(jié)果表明,基于視覺(jué)內(nèi)容相關(guān)性與多重對(duì)應(yīng)分析的網(wǎng)絡(luò)視頻事件挖掘,在相同條件下事件挖掘效果更佳。其次,研究了基于視覺(jué)特征軌跡與文本分布特征的網(wǎng)絡(luò)視頻事件挖掘。視覺(jué)近似關(guān)鍵幀的共同發(fā)生只能挖掘視覺(jué)內(nèi)容相關(guān)的視頻,而同一事件往往具有多種視覺(jué)表達(dá)形式,從而容易丟失與事件主題相關(guān),視覺(jué)內(nèi)容不同的視頻。因此,利用視覺(jué)特征軌跡的時(shí)間分布特性,通過(guò)共同發(fā)生增加視覺(jué)特征軌跡的魯棒性,以減少視頻編輯的影響,提出了基于視覺(jué)內(nèi)容的特征軌跡。與此同時(shí),針對(duì)文本信息噪聲較多,易造成文本分布特征不穩(wěn)定的問(wèn)題,提出了利用視覺(jué)近似關(guān)鍵幀間的視覺(jué)內(nèi)容的相關(guān)性來(lái)挖掘文本信息的語(yǔ)義相關(guān)性,從而增強(qiáng)文本信息的魯棒性。并根據(jù)文本與視覺(jué)信息間的相關(guān)性,提出了一種概率模型從理論上探索文本與視覺(jué)信息融合的問(wèn)題,從而更好的實(shí)現(xiàn)兩者優(yōu)勢(shì)的互補(bǔ)。通過(guò)海量數(shù)據(jù)集上的大量實(shí)驗(yàn),證明基于內(nèi)容的視覺(jué)特征軌跡與文本分布特征的網(wǎng)絡(luò)視頻事件挖掘方案,能夠有效的改善基于視覺(jué)近似關(guān)鍵幀的內(nèi)容單一問(wèn)題,并能在一定程度上提高文本信息的魯棒性,而文本與視覺(jué)信息的融合方案進(jìn)一步彌補(bǔ)了文本與視覺(jué)信息各自的缺陷,達(dá)到了優(yōu)勢(shì)互補(bǔ)的目的。最后,研究了基于動(dòng)態(tài)關(guān)聯(lián)規(guī)則與視覺(jué)近似片段的網(wǎng)絡(luò)視頻事件挖掘。通過(guò)深入分析研究視覺(jué)近似關(guān)鍵幀的特性及其存在的問(wèn)題,為了減少視頻編輯對(duì)視覺(jué)近似關(guān)鍵幀檢測(cè)的影響,提出了視覺(jué)近似片段這一全新的概念。主要利用視頻中時(shí)間與空間信息以減少圖片中文字等信息的影響,并探索了視覺(jué)近似片段問(wèn)的關(guān)聯(lián)規(guī)則,以及文本信息在視覺(jué)近似片段中的分布特性。同時(shí),為了進(jìn)一步增強(qiáng)嘈雜的文本在視覺(jué)近似片段中的分布特性,提出用動(dòng)態(tài)關(guān)聯(lián)規(guī)則算法將語(yǔ)義相關(guān)的單詞聚集在一起,從而用語(yǔ)義相關(guān)的單詞集來(lái)代替原來(lái)的單個(gè)單詞,以達(dá)到增強(qiáng)文本信息魯棒性的目的。最終通過(guò)文本與視覺(jué)信息的融合,實(shí)現(xiàn)文本與視覺(jué)信息互為補(bǔ)充,進(jìn)一步提高了事件挖掘的效果。大量實(shí)驗(yàn)結(jié)果表明基于動(dòng)態(tài)關(guān)聯(lián)規(guī)則與視覺(jué)近似片段的網(wǎng)絡(luò)視頻事件挖掘,在相同條件下有效改善了網(wǎng)絡(luò)視頻編輯以及文本特征魯棒性的問(wèn)題。
【關(guān)鍵詞】：網(wǎng)絡(luò)視頻 事件挖掘 視覺(jué)近似關(guān)鍵幀 視覺(jué)近似片段 多重對(duì)應(yīng)分析 特征軌跡 共同發(fā)生 關(guān)聯(lián)規(guī)則挖掘
【學(xué)位授予單位】：西南交通大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP391.41;TP311.13
【目錄】：

• 摘要7-9
• Abstract9-13
• 第1章 緒論13-24
• 1.1 研究背景與意義13-15
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀15-20
• 1.2.1 話題檢測(cè)與跟蹤15-17
• 1.2.2 特征軌跡17-18
• 1.2.3 關(guān)聯(lián)規(guī)則挖掘18-19
• 1.2.4 多重對(duì)應(yīng)分析19
• 1.2.5 時(shí)空信息的事件挖掘19-20
• 1.3 研究目標(biāo)及擬解決的關(guān)鍵問(wèn)題20-21
• 1.3.1 課題研究目標(biāo)20
• 1.3.2 擬解決的關(guān)鍵問(wèn)題20-21
• 1.4 本文的主要研究?jī)?nèi)容及組織結(jié)構(gòu)21-24
• 第2章 基于視覺(jué)內(nèi)容相關(guān)性與多重對(duì)應(yīng)分析的網(wǎng)絡(luò)視頻事件挖掘研究24-37
• 2.1 視覺(jué)近似關(guān)鍵幀24-27
• 2.2 共同發(fā)生與多重對(duì)應(yīng)分析的融合27-33
• 2.2.1 多重對(duì)應(yīng)分析29-31
• 2.2.2 共同發(fā)生31-32
• 2.2.3 文本與視覺(jué)信息的融合32-33
• 2.3 實(shí)驗(yàn)與分析33-35
• 2.3.1 實(shí)驗(yàn)數(shù)據(jù)33-34
• 2.3.2 實(shí)驗(yàn)分析34-35
• 2.4 本章小結(jié)35-37
• 第3章 基于視覺(jué)特征軌跡與文本分布特征的網(wǎng)絡(luò)視頻事件挖掘研究37-62
• 3.1 基于特征軌跡的事件挖掘38-42
• 3.1.1 視覺(jué)特征軌跡38-39
• 3.1.2 文本特征軌跡分析與研究39
• 3.1.3 視覺(jué)特征軌跡分析與研究39-41
• 3.1.4 文本與視覺(jué)特征軌跡的融合41-42
• 3.2 實(shí)驗(yàn)與分析42-46
• 3.2.1 實(shí)驗(yàn)數(shù)據(jù)42
• 3.2.2 實(shí)驗(yàn)分析42-46
• 3.3 基于內(nèi)容的視覺(jué)特征軌跡與文本信息融合的事件挖掘46-56
• 3.3.1 文本相關(guān)性49-51
• 3.3.2 基于內(nèi)容的視覺(jué)特征軌跡51-55
• 3.3.3 文本與視覺(jué)信息的融合55-56
• 3.4 實(shí)驗(yàn)與分析56-61
• 3.4.1 實(shí)驗(yàn)數(shù)據(jù)56
• 3.4.2 實(shí)驗(yàn)分析56-61
• 3.5 本章小結(jié)61-62
• 第4章 基于動(dòng)態(tài)關(guān)聯(lián)規(guī)則與視覺(jué)近似片段的網(wǎng)絡(luò)視頻事件挖掘研究62-87
• 4.1 基于動(dòng)態(tài)關(guān)聯(lián)規(guī)則的事件挖掘62-66
• 4.1.1 動(dòng)態(tài)關(guān)聯(lián)規(guī)則62-66
• 4.1.2 分類66
• 4.2 實(shí)驗(yàn)對(duì)比與分析66-70
• 4.2.1 實(shí)驗(yàn)數(shù)據(jù)66
• 4.2.2 實(shí)驗(yàn)分析66-70
• 4.3 基于視覺(jué)近似片段的事件挖掘70-80
• 4.3.1 視覺(jué)近似片段72-74
• 4.3.2 視覺(jué)近似片段與文本分布特征的融合74-75
• 4.3.3 關(guān)聯(lián)規(guī)則挖掘75-78
• 4.3.4 文本信息挖掘78-79
• 4.3.5 多模態(tài)融合79-80
• 4.4 實(shí)驗(yàn)與分析80-86
• 4.4.1 實(shí)驗(yàn)數(shù)據(jù)80-81
• 4.4.2 實(shí)驗(yàn)分析81-86
• 4.5 本章小結(jié)86-87
• 結(jié)論與展望87-90
• 1 主要研究成果87-88
• 2 今后研究方向88-90
• 致謝90-92
• 參考文獻(xiàn)92-103
• 攻讀博士學(xué)位期間發(fā)表的論文及參加的科研工作103-104

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前4條

1 劉海濤;老松楊;白亮;劉振亞;;基于故事的新聞視頻事件專題分析方法[J];國(guó)防科技大學(xué)學(xué)報(bào);2011年05期

2 郭嵡秀;呂學(xué)強(qiáng);李卓;;基于突發(fā)詞聚類的微博突發(fā)事件檢測(cè)方法[J];計(jì)算機(jī)應(yīng)用;2014年02期

3 張承德;吳曉;Mei-Ling Shyu;彭強(qiáng);;A Novel Web Video Event Mining Framework with the Integration of Correlation and Co-Occurrence Information[J];Journal of Computer Science & Technology;2013年05期

4 郭德清;廖祥文;;基于箱線圖的微博客熱點(diǎn)話題發(fā)現(xiàn)[J];山西大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年01期

  本文關(guān)鍵詞：基于大規(guī)模網(wǎng)絡(luò)視頻的事件挖掘研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：327618