-
公开(公告)号：CN103995804A
公开(公告)日：2014-08-20
申请号：CN201410203087.2
申请日：2014-05-14
Applicant: 中国科学院计算技术研究所
Abstract: 本发明公开了一种基于多模态信息融合与图聚类的跨媒体话题检测方法、装置，其中该方法包括：步骤一，进行文本信息、视频内容预处理；步骤二，进行文本融合及高层特征提取，获取文本信息相似度；步骤三，进行视频相似片段检测，获取视觉信息相似度；步骤四，根据文本信息相似度、视觉信息相似度并融合数据的时间信息计算最终数据相似度；步骤五，根据最终数据相似度进行图融合、图聚类，完成话题检测。该方法有效避免了对时间轴的硬量化带来的过分割与过生成的问题以及现有话题检测方法无法移植到来自不同媒体源的多模态数据的话题检测问题。
-
公开(公告)号：CN104239398A
公开(公告)日：2014-12-24
申请号：CN201410312913.7
申请日：2014-07-02
Applicant: 中国科学院计算技术研究所
IPC: G06F17/30
CPC classification number: G06F17/30271 , G06F17/3087
Abstract: 本发明公开了一种基于密集子图的视觉词典生成方法，包括：密集子图检测步骤用于在基于视觉特征向量间的关系形成的无向图中，通过最大值估计方法进行密集子图检测；视觉词典生成步骤用于通过检测到的密集子图获取组成视觉词典的视觉单词，视觉单词具有单词内部高度相似性、单词外部特征差异性和抗噪性。本发明还公开了一种基于密集子图的视觉词典生成系统。
-
公开(公告)号：CN104239398B
公开(公告)日：2017-11-21
申请号：CN201410312913.7
申请日：2014-07-02
Applicant: 中国科学院计算技术研究所
IPC: G06F17/30
Abstract: 本发明公开了一种基于密集子图的视觉词典生成方法，包括：密集子图检测步骤用于在基于视觉特征向量间的关系形成的无向图中，通过最大值估计方法进行密集子图检测；视觉词典生成步骤用于通过检测到的密集子图获取组成视觉词典的视觉单词，视觉单词具有单词内部高度相似性、单词外部特征差异性和抗噪性。本发明还公开了一种基于密集子图的视觉词典生成系统。
-
公开(公告)号：CN103995804B
公开(公告)日：2017-02-01
申请号：CN201410203087.2
申请日：2014-05-14
Applicant: 中国科学院计算技术研究所
Abstract: 本发明公开了一种基于多模态信息融合与图聚类的跨媒体话题检测方法及其装置，其中该方法包括：步骤一，进行文本信息、视频内容预处理；步骤二，进行文本融合及高层特征提取，获取文本信息相似度；步骤三，进行视频相似片段检测，获取视觉信息相似度；步骤四，根据文本信息相似度、视觉信息相似度并融合数据的时间信息计算最终数据相似度；步骤五，根据最终数据相似度进行图融合、图聚类，完成话题检测。该方法有效避免了对时间轴的硬量化带来的过分割与过生成的问题以及现有话题检测方法无法移植到来自不同媒体源的多模态数据的话题检测问题。(56)对比文件Qing Li等.User comments for newsrecommendation in forum-based socialmedia《.Information Science》.2010,第4929-4939页.Tianlong Chen等.An Effective Multi-Clue Fusion Approach for Web Video TopicDetection《.Proceedings of the 20th ACMinternational conference on Multimedia》.2012,第781-784页.
-
-
-
Search Results
4
records
(took 0.036 seconds)
