基于文本挖掘的视频资源分类研究-通信与信息系统专业论文.docx

万方数据 万方数据 分类号 密级 UDC 注 1  学 位 论 文 基于文本挖掘的视频资源分类研究 艾丽丽 指导教师 隆克平 教授 博导 电子科技大学 成都 申请学位级别 硕士 学科专业 通信与信息系统 提交论文日期 2013.5.2 论文答辩日期 2013.5.13 学位授予单位和日期 电子科技大学 2013 年 6 月 30 日 答辩委员会主席 李兴明 评阅人 注 1：注明《国际十进分类法 UDC》的类号。 VIDEO CLASSIFICATION BASED ON TEXT DATA MINING A Master Thesis Submitted to University of Electronic Science and Technology of China Major: Communication and Information System Author: Ai Li Li Advisor: Long Ke Ping School : Communication and Information Engineering 独 创 性 声 明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作 及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方 外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为 获得电子科技大学或其它教育机构的学位或证书而使用过的材料。与 我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的 说明并表示谢意。 签名： 日期： 年 月 日 论 文 使 用 授 权 本学位论文作者完全了解电子科技大学有关保留、使用学位论文 的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘， 允许论文被查阅和借阅。本人授权电子科技大学可以将学位论文的全 部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描 等复制手段保存、汇编学位论文。 （保密的学位论文在解密后应遵守此规定） 签名： 导师签名： 日期： 年 月 日 摘 要 摘 要 在信息技术高速发展的时代，互联网上多媒体数据以视频、音乐、文字等各 种形式充斥着人类的视听，加之实时广播和各种电子设备的启用，使得人们可以 轻松播放和存储大量多媒体内容。然而，随着这些数据的爆炸式增长，所占的存 储空间也越来越大，其中尤以视频数据最为明显。人们想要手动处理、分析这些 视频数据变得非常不可实际。于是，如何有效和快速地将视频数据分门别类，对 于提升用户体验，发现潜在的，可利用的商业价值都起着至关重要的作用。 研究发现常见的基于视觉特性的视频分类方法，不仅耗时长、效率低且代价昂 贵，而文本信息常常见于用户对视频信息的描述、评论、以及所提供的个性化标 签数据中，成为一种应用广泛的媒介。加之文本处理技术相对成熟、高效，因此 与视频相关的文本信息成为对视频数据分类中最直接，最可行且最有效的特征。 本文通过对视频文本描述以及大众化标签数据等进行文本挖掘，设计并实现视 频信息分类的主题，主要研究内容为： 1． 以挖掘出隐藏的视频内容信息为目的，结合视频相关文本描述将文本分类 技术应用到基于文本信息的视频分类中，设计视频分类系统实现对于新加入的视 频，根据其文本描述信息自动将视频分配到与其内容相符的类别中。 2． 以文本挖掘中的特征项评估、权重计算为研究重点，提出基于视频文本分 类的卡方-信息熵特征项评估方法，并通过实验仿真验证在不同的数据集中，与其 他常见特征项评估方法例如信息增益、卡方统计等对比，在不同的视频文本分类 模型中，卡方-信息熵算法均具有较高的优越性，能够提高视频分类的准度和精度。 3． 基于视频文本描述特征进行视频分类的方法，性能好、效率高却由于采用 低级的文本描述导致与视频内容之间存在语义鸿沟。因此，本文提出基于社会化 网络中大众标签所携带的视频内容及类别信息基础上，结合文本挖掘进一步对视 频信息进行分类。 4． 视频文本描述信息与标签数据并不是相对立的关系，二者互相补充，不可 或缺。本文通过概率模型将二者融合并通过实验证明在概率值????0.5时，视频分 类性能效果达到最佳。 关键词：视频分类，特征项评估，权重计算，准确率 I ABSTRACT ABSTRACT In the era of technology continuous developing, multimedia data on the Internet such as text, sound, images and other various forms are filled with human audiovisual, combined with real-time broadcasts and a variety of elec