1、隨著互聯(lián)網(wǎng)技術(shù)的迅猛發(fā)展和計算機的普及，普通用戶越來越容易從谷歌、百度、YouTube和優(yōu)酷等視頻分享網(wǎng)站上獲得大量正在發(fā)生的事件的網(wǎng)絡(luò)視頻。另外，CCTV、BBC和CNN等大量新聞媒體也越來越多的將大量網(wǎng)絡(luò)視頻放到他們的網(wǎng)站。這對普通用戶能否快速從搜索引擎返回的海量網(wǎng)絡(luò)視頻中，掌握主要事件是一個挑戰(zhàn)。網(wǎng)絡(luò)視頻事件挖掘是一個非常有意義的研究課題。主要事件挖掘可以方便普通用戶快速了解整個話題，并建立事件間的關(guān)系，從而了解整個話題的來龍去脈

2、。如果對某一個事件比較感興趣的話，還可以進一步了解。
　　當(dāng)普通用戶檢索某話題時，如果他們了解該話題的主要事件，可以方便他們了解事件間的關(guān)系。然而，普通用戶只有觀看搜索引擎返回的海量視頻后，通過自己總結(jié)才能了解主要事件。這需要耗費大量時間，而且難以完成，普通用戶也沒有足夠耐心，尤其是對于完全陌生的話題。因此，通過主要事件挖掘改善用戶搜索體驗是一個緊迫的任務(wù)。本文分別研究了網(wǎng)絡(luò)視頻的文本與視覺的突發(fā)性特征，并通過它們間的關(guān)系進行了相

3、關(guān)融合方案的探索，主要內(nèi)容包括以下三個方面:
　　首先，研究了基于共同發(fā)生與多重對應(yīng)分析的網(wǎng)絡(luò)視頻事件挖掘。針對網(wǎng)絡(luò)視頻中文本信息具有信息量少、噪聲多以及信息不完整等特性。同時，結(jié)合視覺信息的特點，即重要的鏡頭經(jīng)常被插入到相關(guān)視頻中用來提醒或支持其觀點，具有舉足輕重的作用。此外，視覺信息不僅包含有豐富的信息，而且相對不容易被修改，因此視覺特征相對于文本描述更加精確，故其具有更明顯的優(yōu)勢。新提出的網(wǎng)絡(luò)視頻事件挖掘方法，通過文本與視覺

4、信息的融合進行網(wǎng)絡(luò)視頻的事件挖掘。通過共同發(fā)生挖掘視覺近似關(guān)鍵幀之間的視覺相關(guān)性，并將統(tǒng)計領(lǐng)域中的多重對應(yīng)分析應(yīng)用到多媒體檢索領(lǐng)域，探索網(wǎng)絡(luò)視頻中出現(xiàn)的標(biāo)題/標(biāo)簽等文本信息在視覺近似關(guān)鍵幀中的分布特性，從而利用文本信息的分布特性計算視覺近似關(guān)鍵幀與事件問的相關(guān)度。大量實驗結(jié)果表明，基于視覺內(nèi)容相關(guān)性與多重對應(yīng)分析的網(wǎng)絡(luò)視頻事件挖掘，在相同條件下事件挖掘效果更佳。
　　其次，研究了基于視覺特征軌跡與文本分布特征的網(wǎng)絡(luò)視頻事件挖掘。視

5、覺近似關(guān)鍵幀的共同發(fā)生只能挖掘視覺內(nèi)容相關(guān)的視頻，而同一事件往往具有多種視覺表達形式，從而容易丟失與事件主題相關(guān)，視覺內(nèi)容不同的視頻。因此，利用視覺特征軌跡的時間分布特性，通過共同發(fā)生增加視覺特征軌跡的魯棒性，以減少視頻編輯的影響，提出了基于視覺內(nèi)容的特征軌跡。與此同時，針對文本信息噪聲較多，易造成文本分布特征不穩(wěn)定的問題，提出了利用視覺近似關(guān)鍵幀間的視覺內(nèi)容的相關(guān)性來挖掘文本信息的語義相關(guān)性，從而增強文本信息的魯棒性。并根據(jù)文本與視覺

6、信息間的相關(guān)性，提出了一種概率模型從理論上探索文本與視覺信息融合的問題，從而更好的實現(xiàn)兩者優(yōu)勢的互補。通過海量數(shù)據(jù)集上的大量實驗，證明基于內(nèi)容的視覺特征軌跡與文本分布特征的網(wǎng)絡(luò)視頻事件挖掘方案，能夠有效的改善基于視覺近似關(guān)鍵幀的內(nèi)容單一問題，并能在一定程度上提高文本信息的魯棒性，而文本與視覺信息的融合方案進一步彌補了文本與視覺信息各自的缺陷，達到了優(yōu)勢互補的目的。
　　最后，研究了基于動態(tài)關(guān)聯(lián)規(guī)則與視覺近似片段的網(wǎng)絡(luò)視頻事件挖掘。

7、通過深入分析研究視覺近似關(guān)鍵幀的特性及其存在的問題，為了減少視頻編輯對視覺近似關(guān)鍵幀檢測的影響，提出了視覺近似片段這一全新的概念。主要利用視頻中時間與空間信息以減少圖片中文字等信息的影響，并探索了視覺近似片段間的關(guān)聯(lián)規(guī)則，以及文本信息在視覺近似片段中的分布特性。同時，為了進一步增強嘈雜的文本在視覺近似片段中的分布特性，提出用動態(tài)關(guān)聯(lián)規(guī)則算法將語義相關(guān)的單詞聚集在一起，從而用語義相關(guān)的單詞集來代替原來的單個單詞，以達到增強文本信息魯棒性的