基于动态关联规则的网络视频事件挖掘框架的制作方法
【专利摘要】本发明公开了一种基于动态关联规则的网络视频事件挖掘框架，针对网络视频文本信息所具有的信息量少和噪声多等特点，利用关键词间的语义信息，通过动态调整关联规则中的支持度，减少由于噪声、同义词、多义词和多语言等问题对文本和视觉信息间关系的影响，增强文本信息的鲁棒性，使其建立起视觉近似关键帧和高层语义之间的一座桥梁。本发明充分利用了文本信息间的语义相关性，以及文本信息和视觉信息间的关系，减少文本信息中的噪声对视觉近似关键帧与事件间关系的影响，增强视觉近似关键帧与对应事件间的相关性，使其更好的适应于噪声多且信息量少的网络视频的事件挖掘。
【专利说明】基于动态关联规则的网络视频事件挖掘框架
【技术领域】
[0001]本发明属于数据挖掘领域，具体涉及热点话题检索与跟踪中大规模网络视频事件 挖掘研究。
【背景技术】
[0002]社交网络的流行使得网络视频爆炸式的增长，浏览海量网络视频时的一个关键任 务是事件挖掘。随着多媒体技术、网络技术和有线电视的发展，视频已经成为人们日常生活 中获取信息和享受娱乐的主要载体。到2009年9月，大约每分钟有20小时的新视频数据 上传到YouTube。YouTube占用了整个互联网约10%的流量，占据总在线视频量的60%。互 联网已经成为多媒体信息发布和共享中心，同时网络电视台、“播客”已经成为互联网上重 要的多媒体信息获取渠道。社交网络爆炸式的增长使得数以百万计的网络视频可供人们观 看，大量的视频在互联网上传输，通过互联网搜索并观看丰富的视频内容已成为广大网民 获取信息的主流方式。面对互联网上的海量视频数据，如何对大规模视频数据进行有效的 事件挖掘已成为一项迫切的用户需求，也是新一代视频搜索引擎的主要研究热点问题。
[0003]目前，由于网络视频的多样性，相对较模糊的视频图像质量以及视频后期编辑处 理，使得仅仅使用视觉信息进行事件挖掘变得更加困难。因此，最近多通过视觉和文本信息 融合的方式进行事件挖掘。然而，有限的标题和标签等文本信息却通常使用笼统、概括、模 糊的单词来大致的概括视频的主要内容，其中包含较多嗓音，不准确，甚至是误导或者错误 的标签。这些标题和标签通常较短，寥寥数词无法囊括视频中丰富的内容，这给网络视频事 件挖掘带来了新的挑战。
【发明内容】
[0004]鉴于现有技术的以上缺点，为了克服文本信息的缺点和不足，能够更好的进行文 本和视觉信息的融合。本发明的目的是提出一种基于动态关联规则的网络视频事件挖掘框 架，使之克服现有技术的以上缺
[0005]本发明的目的通过如下手段来实现的。
[0006]1、基于动态关联规则的网络视频事件挖掘框架，对网络视频文本和视觉信息的融 合进行事件挖掘；分别处理视频信息和文本信息；
[0007]视频数据预处理,首先,采用SIFT特征中的Harris-Laplace方法进行局部特征点 提取；其次，通过公用工具进行相似关键帧的检测，得到相似关键帧集；最后，利用相似 关键帧集间的相关性信息，通过传递闭包进一步聚类，形成“相似关键帧集”；
[0008]文本信息预处理，从视频的标题和标签中提取的单词作为文本信息，去除无效的 特殊字符，再通过词干提取对文本信息进行净化后，按如下步骤进行动态关联规则挖掘；
[0009](I)根据相关单词的个数分成N个项目，其中N指项目中所包含的单词数目；将所 有单词组成不同“组合”，并将这些“组合”按其所包含的单词数目由小到大排序；
[0010](2)根据初始设置的支持度挖掘单词间相关性，假设每个项目中最多有K种组合；支持度的计算方法如公式I所示:
【权利要求】
1.基于动态关联规则的网络视频事件挖掘框架，对网络视频文本和视觉信息的融合进行事件挖掘；分别处理视频信息和文本信息；视频数据预处理，首先，采用SIFT特征中的Harris-Laplace方法进行局部特征点提取；其次，通过公用工具进行相似关键帧的检测，得到相似关键帧集；最后，利用相似关键帧集间的相关性信息，通过传递闭包进一步聚类，形成“相似关键帧集”；文本信息预处理，从视频的标题和标签中提取的单词作为文本信息，去除无效的特殊字符，再通过词干提取对文本信息进行净化后，按如下步骤进行动态关联规则挖掘；(1)根据相关单词的个数分成N个项目，其中N指项目中所包含的单词数目；将所有单词组成不同“组合”，并将这些“组合”按其所包含的单词数目由小到大排序；(2)根据初始设置的支持度挖掘单词间相关性，假设每个项目中最多有K种组合；支持度的计算方法如公式I所示:
【文档编号】G06F17/30GK103440248SQ201310308489
【公开日】2013年12月11日 申请日期:2013年7月22日 优先权日:2013年7月22日
【发明者】吴晓, 张承德, 彭强 申请人:西南交通大学