語義技術(shù)在基于網(wǎng)絡(luò)應(yīng)用程序中的研究.pdf

1、近些年來，由于社交網(wǎng)絡(luò)，博客等以信息為中心的應(yīng)用程序產(chǎn)生了海量的數(shù)據(jù)，信息提取和管理等話題獲得廣泛的關(guān)注。數(shù)據(jù)的形式可以是文本，圖片，視頻，或者任意兩個(gè)或多個(gè)形式之間的組合。非結(jié)構(gòu)化或無組織的數(shù)據(jù)是最簡單的數(shù)據(jù)形式，它可以在任何應(yīng)用場景中產(chǎn)生。因此，最近提出了語義技術(shù)。語義技術(shù)結(jié)合了本體與語義相關(guān)的方法，來提取和管理在網(wǎng)絡(luò)上的多模態(tài)內(nèi)容。本論文致力于利用語義技術(shù)實(shí)現(xiàn)兩個(gè)熱門的基于網(wǎng)絡(luò)的應(yīng)用，分別是網(wǎng)絡(luò)視頻自動分類和災(zāi)難管理。關(guān)于網(wǎng)絡(luò)視頻

2、分類，采用文本信息會存在以下情況，例如文本有噪聲，句意模糊或者信息丟失，因此本論文主要關(guān)注基于視覺內(nèi)容來實(shí)現(xiàn)視頻分類。研究的主要貢獻(xiàn)如下。
　　為了解決基于內(nèi)容特征的網(wǎng)絡(luò)視頻分類問題，論文利用大規(guī)模多媒體概念本體(LSCOM)來提取圖像或者視頻中有用的視覺信息，然后利用語義相關(guān)性的方法，結(jié)合已提取的相關(guān)視覺信息，來確定視頻的分類。該框架主要包括三部分:首先，訓(xùn)練了類別預(yù)測分類器(CNC)，利用視覺特征來對網(wǎng)絡(luò)視頻進(jìn)行分類。然后，為

3、了提高分類性能，使用了VIREO-374的概念分類器來提高CNC的性能。最后，為度量每個(gè)類中的各個(gè)概念，論文提出了一種增強(qiáng)Flickr上下文空間(FECS)，即特定類別概念分類器(CSC)。再在關(guān)鍵幀級別中將CSC分類器和CNC分類器融合。最后，將由文本標(biāo)簽產(chǎn)生的上下文的類別預(yù)測分類器(CXC)與提高的CNC分類器結(jié)合，提高視頻分類的性能。基于MCG-WEBV和CCV兩個(gè)大規(guī)模數(shù)據(jù)集的實(shí)驗(yàn)表明，該框架提高了網(wǎng)絡(luò)視頻分類的性能。
　

4、　接下來，本論文用不同的方式解決了網(wǎng)絡(luò)視頻自動分類問題。首先利用了外部支持，創(chuàng)建了一個(gè)類別區(qū)分詞的語義列表，然后利用語義相關(guān)性的方法將高級概念映射到類別區(qū)分詞，以實(shí)現(xiàn)視頻的分類。為了解決網(wǎng)絡(luò)視頻自動分類問題，論文提出了一個(gè)三步驟的框架。首先，闡述了基于內(nèi)容的視頻分類。作者先訓(xùn)練了類別分類器，然后通過谷歌距離(NGD)度量了每個(gè)視頻的高級概念和歸一化類別區(qū)分詞(CDTs)之間的語義相關(guān)性。CDTs是在開放目錄項(xiàng)目(ODP)和大型網(wǎng)絡(luò)視頻上

5、構(gòu)建的。接著，論文研究了基于上下文的視頻分類。首先提出向量空間模型(VSM)來計(jì)算每個(gè)視頻的文本特征與CDTs相似度，然后通過NGD來度量每個(gè)視頻的文本特征與CDTs語義相關(guān)性。最后，結(jié)合內(nèi)容和上下文特征的分類方法來提高網(wǎng)絡(luò)視頻分類的性能。該方案的有效性在大規(guī)模視頻數(shù)據(jù)集上得到了驗(yàn)證。
　　為了更有效的利用本體，本論文實(shí)現(xiàn)了另一個(gè)基于網(wǎng)絡(luò)的應(yīng)用——災(zāi)難管理系統(tǒng)。關(guān)于災(zāi)難管理系統(tǒng)，本論文從不同的在線資源研究了災(zāi)難領(lǐng)域，并且建立了一個(gè)