面向视频社交网站的视频内容理解与挖掘研究

Along with the ever-growing Web, the Video Social Networking Services (VSNS), which integrates the functions of video sharing websites and social networking services, have become popular Web applications. A specialized and intelligent video content understanding and mining system is necessary for VSNS. Facing to the requirement of the system, this project aims to investigate the video feature representation, video annotation, video recommendation, and hot video discovery in the VSNS. The research content includes: (1) deep learning-based video feature representation; (2) context constrained matrix decomposition for video annotation; (3) social network-based video recommendation; and (4) cross-media sentiment analysis-based hot video discovery.　The objective of this project is to integrate the human factors behind　the VSNS into video content understanding and mine the underlying relationship between vitual society and real society to improve the existing video content understanding system. This research not only promotes related research fields, but also is significant for many practical applications.

互联网的快速发展促使了视频社交网站大量涌现，也对视频社交网站中视频内容的智能理解与挖掘提出了新的需求。本项目旨在面向视频社交网站中海量视频内容的自动分析与理解的实际需求，重点研究视频社交网络环境下的视频特征表示、视频语义标注、视频个性化推荐以及热点视频发现。具体研究内容包括：（1）基于深度学习的视频特征表示；（2）基于上下文约束低秩矩阵分解的视频标注；（3）基于社交关系的个性化视频推荐；（4）社交网站跨媒体舆情的热点视频发现。本项目标是将社交网络背后“人”的因素纳入到视频内容理解的研究范畴，挖掘视频内容与社交网络之间的关联，将现有的单一的基于内容视频理解提升到结合社交关系的视频内容理解层面。

以抖音、微博、微信、多媒体共享网站、社交网站等为代表的社会化媒体作为近年来出现的新型服务受到广泛的关注和应用。伴随着现代社会多媒体技术和网络技术的发展，视频的数量和种类以指数的形式逐年递增，视频信息的爆炸性增长对视频处理技术的发展提出了迫切的重大需求，视频处理技术正逐步朝着视频密集型智能计算方向发展，智能视频处理在国民经济和社会发展中将发挥着举足轻重的作用。基于此，本项目旨在面向视频社交网站中海量视频内容的自动分析与理解的实际需求，重点研究视频社交网络环境下的视频特征表示、视频语义标注、视频个性化推荐以及热点视频发现。.本项目具体研究内容主要为以下几个部分：（1）基于深度学习的视频特征表示；（2）基于上下文约束低秩矩阵分解的视频标注；（3）基于社交关系的个性化视频推荐；（4）社交网站跨媒体舆情的热点视频发现。.本研究将现有的单一的基于内容视频理解提升到结合社交关系的视频内容理解层面，为挖掘视频内容与社交网络之间的关联奠定了坚实基础。项目资助发表国内外高水平论文15篇，申请受理专利15余项，登记软件著作权7项。项目投入经费67万元，支出60.242万元，各项支出相比预算略有调整。