視頻社區(qū)中海量數據管理方法研究.pdf

1、伴隨互聯網的不斷發(fā)展，網絡信息的爆炸式增長及個人用戶所能獲取帶寬的不斷增加，網絡視頻內容已經逐步成為互聯網上最為豐富且最為龐大的信息群體。
　　 同時，隨著Web2.0概念的不斷深入人心，視頻社區(qū)成為互聯網上視頻發(fā)布、分享與交流的最大平臺。資源的不斷豐富就使得如何對這些資源進行有效的管理成為日益受到關注的問題之一。
　　 對互聯網上視頻內容進行管理，可以大致歸納為處理三個實體間相互關系的若干個問題。這三個實體分別是視頻服

2、務提供商、互聯網用戶及第三方監(jiān)管部門。
　　 視頻服務提供商為了便于自身網站的結構組織及用戶的快速查找，需要尋找海量數據的有效組織方法；以用戶為中心的Web2.0式的網絡瀏覽方式為網站的維護者提出了更高的要求，個性化的視頻推薦機制成為網站成功不可或缺的必要組成部分；此外，由于用戶的行為不可能得到絕對的控制，第三方監(jiān)管部門會要求視頻服務提供商對用戶上傳的視頻進行版權的檢查，刪除違反版權法律的視頻以維護原作者的權益。而新鮮的網絡視頻

3、社區(qū)環(huán)境，正為研究者解決以上問題提出了新的挑戰(zhàn)與機遇。
　　 針對以上描述的問題，本文重點研究了在視頻社區(qū)環(huán)境當中，如何利用視頻間、用戶間以及視頻內部本身的信息，對前面提出的問題進行有效的解答。具體來說，論文主要研究內容和創(chuàng)新成果如下：
　　 1.提出一種能夠利用視頻網站結構信息，并立足于網絡視頻本身周圍的文字信息進行視頻主題發(fā)現的算法。首先，針對視頻網站上文本信息質量很低的情況，本文根據視頻網站對每一個視頻提供的相似視

4、頻的元數據，對目標視頻進行文本信息增強。其次，在對文本信息圖進行分割聚類從而發(fā)現視頻主題的結果上，通過其指導重新定義原始的視頻文本信息圖，迭代地得到更加準確的主題發(fā)現結果。最后，利用視頻網站中提供的視頻對視頻回復關系的結構圖，依據“兩個具有回復關系的視頻應具有主題上的部分一致性”的假設，對已有主題發(fā)現結果進行優(yōu)化。實驗結果表明，本文提出的算法較之前該領域內的算法，在主題發(fā)現的準確度上有較大提升，同時，較之常用的隱主題模型方法，在發(fā)現大規(guī)

5、模數據中小粒度主題這一問題上，能夠節(jié)省大量的計算時間。
　　 2.提出一種基于用戶情感分析及用戶間社交關系的個性化視頻推薦算法。首先為有效快速地實現對重復上傳的視頻的檢測，提出了層次化的基于全局特征的重復視頻檢測算法。其次，根據已有的通過使用有上下文幫助的基于字典的情感判斷模型，將用戶對于某個視頻的回復信息，量化成為用戶對某個視頻段集合的打分信息。最后，提出使用用戶的社交關系對推薦給特定用戶的特定視頻集合結果進行二次挑選的策略。

6、在我們的實驗數據集上，這個算法框架可以取得明顯的性能提升。
　　 3.提出一種全新的關于仿制視頻的問題，同時提出一種能夠對其進行有效描述的模型，并將其應用在一個新的仿制視頻檢索的系統(tǒng)框架里。首先，對仿制視頻本身做出了較為準確的定義，提出了檢測搜索仿制視頻的問題。其次，針對仿制視頻本身具有的特點，將仿制視頻段落用一個以動作詞集合為基礎的時間序列模型進行表述。并在這一視頻段落描述模型的基礎上，設計了專為其使用的視頻相似度計算方法：最