[發(fā)明專利]基于在線視頻分享網(wǎng)站結(jié)構(gòu)及視頻描述文本信息的視頻主題發(fā)現(xiàn)的方法

無效

• 申請?zhí)枺?/td>: 201010192853.1
• 申請日: 2010-05-31
• 公開（公告）號: CN101894129A
• 公開（公告）日: 2010-11-24
• 發(fā)明（設計）人: 俞能海;劉毅捷
• 申請（專利權(quán)）人: 中國科學技術(shù)大學
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于在線視頻分享網(wǎng)站結(jié)構(gòu)及視頻描述文本信息的視頻主題發(fā)現(xiàn)的方法，其特征在于，包括文本信息增強、主題聚合和結(jié)果修正三大步驟：

所述的文本信息增強步驟為：

步驟a，對于單個視頻V，抓取其本身及全部相關(guān)視頻的文本描述信息，V的相關(guān)視頻是由網(wǎng)站本身提供的，它們在內(nèi)容層面具有一定的相關(guān)性；

步驟b，對視頻V的文本信息建立BOW(Bag-Of-Words)模型，使用tfidf值做為該模型的描述；

步驟c，使用V的相關(guān)視頻的文本信息對V本身BOW模型中詞頻一項進行修正與增強；

所述的主題聚合方法步驟為：

步驟d，對于整個視頻數(shù)據(jù)集，按照詞與詞在單個視頻中共同出現(xiàn)的概率構(gòu)造單詞相關(guān)度圖；

步驟e，計算每個單詞的混合權(quán)重，其中包括三個不同的權(quán)重：tfidf權(quán)重，相關(guān)度權(quán)重和KL變換投影權(quán)重；

步驟f，根據(jù)混合權(quán)重對單詞集進行篩選，對篩選過后的單詞相關(guān)度圖進行拆分和合并處理，并定義每個子連通圖上的頂點集合為一個主題核單元；

步驟g，根據(jù)主題核單元對視頻數(shù)據(jù)集進行聚類，并合并聚類結(jié)果中重合率超過一定閾值的兩類或多類；

所述的結(jié)果修正步驟為：

步驟h，抓取視頻網(wǎng)站提供的，“使用該視頻做為另一視頻的回復”的結(jié)構(gòu)化信息；

步驟i，根據(jù)“帶有回復關(guān)系的兩個視頻必共享某種公共主題”的假設，利用回復及被回復視頻的主題信息對當前視頻主題進行修正。

2.根據(jù)權(quán)利要求1所述的視頻主題發(fā)現(xiàn)方法，其特征在于，所述的步驟c具體為，

對單個視頻V_i的所有相關(guān)視頻進行處理，統(tǒng)計V_i中所有出現(xiàn)過的單詞tf_i(t_k)在相關(guān)視頻中出現(xiàn)文本的頻率df_ri(t_k)，依以下公式對tf_i(t_k)進行修正：

tf_i′(t_k)＝tf_i(t_k)+df_ri(t_k)

之后利用新的tf_i′(t_k)值重新計算tfidf并構(gòu)造文本信息的向量空間表達。

3.根據(jù)權(quán)利要求1所述的視頻主題發(fā)現(xiàn)方法，其特征在于，所述的步驟d為，

對于整個視頻數(shù)據(jù)集，按照詞與詞在單個視頻中共同出現(xiàn)的概率構(gòu)造單詞互相關(guān)圖G_t。G_t的各個頂點由各單詞組成，鏈接頂點的邊的權(quán)重由單詞間相關(guān)度定義。其中詞t_i與詞t_j的相關(guān)度定義為：?

其中，df(t_i∩t_j)是指在視頻數(shù)據(jù)集中，單詞t_i與t_j出現(xiàn)在同一文檔中的頻率。

4.根據(jù)權(quán)利要求1所述的視頻主題發(fā)現(xiàn)方法，其特征在于，所述的步驟e為，計算每個單詞的混合權(quán)重，其中包括三個不同的權(quán)重：tfidf權(quán)重w_ti，相關(guān)度權(quán)重w_ri和KL變換投影權(quán)重w_pi，在計算出三種不同權(quán)重之后，合并計算各個單詞的混合權(quán)重：

w_ci＝αw_ti+βw_ri+(1-α-β)w_pi。

5.根據(jù)權(quán)利要求4所述的權(quán)重計算方法中，其中KL變換投影權(quán)重的特征為：

首先構(gòu)造tfidf矩陣，使每行表示一個文檔，每列表示一個單詞；其次計算該矩陣的自相關(guān)矩陣的特征值及對應特征向量；之后，將特征值按大小進行排序，保留包含總能量95％的部分，計其包含N_e個特征值；最后，計算保留下的特征值的對應特征向量E_k{k＝1，2，...N_e}的能量和：