基于轨迹的网络视频话题动态发现、跟踪和预测

本项目面向网络视频监管的实际需求，开展针对大规模网络视频的话题自动发现、跟踪和预测的关键技术研究。.针对网络视频信息丰富，但单模态特征可靠性差的特点，提出多模态谱嵌入的表示方法，充分挖掘多模态特征之间的关联和互补性，从多个高维特征空间中提取隐含的稳定模式，得到低维的稳定的多模态网络视频表示，为后续话题检测和跟踪提供基础；.针对海量且动态增长的网络视频流，提出一种新颖的基于轨迹模型的话题发现和跟踪方法，通过轨迹的动态生成记录话题的发展过程，算法具有可扩展性；同时将话题发现和跟踪统一在轨迹模型下，综合事件点的局部信息和整条轨迹的全局信息，实现话题发现，更具合理性；.并在此基础上，采用随机游走模型对三维空间中的话题轨迹进行表示，以此进行话题热点排序和趋势预测等深入分析，为政府部门的监管提供决策支持。本项目的最终研究成果将在国家网络视频监管系统中进行验证，为国家网络视频监管提供关键技术。

本课题面向国家网络视频监管的实际需求，开展网络视频热点话题发现、跟踪和预测技术的研究，针对网络视频信息丰富，但单模态特征可靠性差的问题，提出多模态谱嵌入的新型网络视频表征方法，为网络视频话题自动发现与跟踪提供基础；进而针对真实的大规模网络视频流，重点研究具有可扩展性的话题发现、跟踪和预测技术，为国家网络视频监管提供关键技术，研究成果在国家网络视频监管系统中得到实验验证。. 围绕本课题的研究目标，我们首先构建了一个大规模网络视频数据平台MCG-WEBV，在该数据平台上，开展了一系列的网络视频话题发现、跟踪和预测算法研究，包括轨迹特征的提取和表示，基于轨迹能量度量的热点话题选择算法，基于社会网络的热点话题发现模型，及网络视频结构化方法的呢，最后，基于上述算法形成了一个网络视频话题发现和展示系统。. 本课题已发表学术论文10篇，其中SCI国际性期刊7篇，申请专利2项，其中一项已经获得授权。通过课题研究，锻炼和培养了学生自主科研和解决问题的能力，培养博 士研究生4名，硕士研究生4名。同时，积极开展国际合作与交流，通过共享数据资源，扩大了课题组的国际学术影响；通过学术交流提升学术水平。本课题负责人于2010年11月开始在哥伦比亚大学进行为期一年的交流访问；同时还分别派出了课题成员中的一名博士生赴卡耐基梅隆大学进行了为期两年的交流访问，一名博士生赴香港城市大学进行为期四个月的交流访问。综上所述，我们已经圆满完成了课题的预期目标任务。