基于机器学习的Web图像和文本协同挖掘技术的研究

传统的Web内容挖掘技术主要是利用网页上的文本数据来进行分析，但实际上，Web网页上往往同时存在着多种类型的数据，这些多模态数据之间往往隐含了一定的联系，如果能够有效地协同利用这些不同类型的数据，可望能够更有效地对网页内容进行分析。这方面的研究不仅引起了学术界的关注，还引起了软件业的巨头微软的重视。本课题拟对基于机器学习的Web上图像和文本协同挖掘技术进行研究，拟提出一种快速准确地对Web网页上与考察主题有关的图像和文本定位的方法；提出一种高效且有效地提取Web图像和文本包含的语义特征信息的方法；提出一种有效地对Web图像和文本包含的语义信息特征进行结合分析的方法；提出一种有效利用未标记网页数据提高协同挖掘性能的方法；在国际刊物、会议和国内一级学报上发表5~8篇高质量论文；申请国家发明专利1-2项；培养研究生3-4名。