面向主題互聯(lián)網(wǎng)視頻搜索引擎關(guān)鍵技術(shù)研究.pdf

1、隨著YouTube、優(yōu)酷、土豆等互聯(lián)網(wǎng)視頻網(wǎng)站的迅猛發(fā)展,互聯(lián)網(wǎng)視頻數(shù)量呈爆炸式增長(zhǎng)。面對(duì)海量的互聯(lián)網(wǎng)視頻,如何從這些海量視頻中準(zhǔn)確、便捷地找到所需視頻,如何高效使用這些網(wǎng)絡(luò)視頻面臨著巨大的挑戰(zhàn)。盡管目前通用搜索引擎做了很多研究工作,但是單純?yōu)榱俗非髾z索內(nèi)容覆蓋率,為用戶提供的搜索結(jié)果往往是不劃分主題、內(nèi)容廣泛的信息,仍然無法完全滿足用戶的需求,在檢索結(jié)果的準(zhǔn)確性、覆蓋率與時(shí)效性等方面都還存在諸多不足,在面向主題的互聯(lián)網(wǎng)視頻搜索領(lǐng)域,傳

2、統(tǒng)搜索引擎依然面臨巨大的技術(shù)挑戰(zhàn)。
　　 近年來,面向主題搜索的研究工作得到人們?cè)絹碓蕉嗟年P(guān)注。通過對(duì)主題相關(guān)的數(shù)據(jù)內(nèi)容的有針對(duì)性的收集與分析,面向特定主題搜索可以更高效地呈現(xiàn)結(jié)構(gòu)更清晰的數(shù)據(jù)結(jié)果。其應(yīng)用范圍十分廣闊,而視頻內(nèi)容在互聯(lián)網(wǎng)發(fā)展中所占比重越來越大,針對(duì)互聯(lián)網(wǎng)視頻領(lǐng)域的面向主題搜索必將有更大的研究?jī)r(jià)值與意義。
　　 通過結(jié)合COCITATION算法的思想,本文提出了針對(duì)互聯(lián)網(wǎng)視頻信息的面向主題采集方法,并通過基

3、于鏈接窗口的方法對(duì)其進(jìn)行了改進(jìn)。運(yùn)用信息抽取的基本思想提出了基于極大并列子樹族的相關(guān)鏈接集合概念以及生成算法并引入窗口變量,使得互聯(lián)網(wǎng)視頻信息抽取方法能夠?qū)㈨撁娼Y(jié)構(gòu)信息、已采集鏈接的主題相關(guān)性以及互聯(lián)網(wǎng)拓?fù)浣Y(jié)構(gòu)信息三類信息有機(jī)的結(jié)合,從而進(jìn)一步提高了面向主題的互聯(lián)網(wǎng)視頻信息抽取方法的主題采集精確性。
　　 本文提出了一種面向互聯(lián)網(wǎng)視頻的復(fù)雜命名實(shí)體抽取模型。復(fù)雜命名實(shí)體的識(shí)別不僅能夠形成一種重要的數(shù)據(jù)資源,給互聯(lián)網(wǎng)視頻的信息抽取

4、提供基礎(chǔ),還有助于搜索引擎理解用戶的查詢意圖,從而給出有針對(duì)性的、整合的搜索結(jié)果。但是其識(shí)別工作尚未得到充分的研究。本文將復(fù)雜中文命名實(shí)體研究引入到互聯(lián)網(wǎng)視頻搜索領(lǐng)域,對(duì)面向主題的互聯(lián)網(wǎng)視頻搜索有著非常重要的貢獻(xiàn)。
　　 本文設(shè)計(jì)了一種支持大規(guī)模主題搜索的可適應(yīng)分布式框架。通過充分挖掘利用互聯(lián)網(wǎng)社區(qū)中的搜索日志,設(shè)計(jì)了基于Map-Reduce計(jì)算框架的可并行處理大規(guī)模Web文檔的可適應(yīng)分布式框架。
　　 通過本文實(shí)驗(yàn)分析