面向主題互聯(lián)網(wǎng)視頻搜索引擎關鍵技術研究.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。面對海量的互聯(lián)網(wǎng)視頻,如何從這些海量視頻中準確、便捷地找到所需視頻,如何高效使用這些網(wǎng)絡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,在檢索結果的準確性、覆蓋率與時效性等方面都還存在諸多不足,在面向主題的互聯(lián)網(wǎng)視頻搜索領域,傳

2、統(tǒng)搜索引擎依然面臨巨大的技術挑戰(zhàn)。
　　 近年來,面向主題搜索的研究工作得到人們越來越多的關注。通過對主題相關的數(shù)據(jù)內(nèi)容的有針對性的收集與分析,面向特定主題搜索可以更高效地呈現(xiàn)結構更清晰的數(shù)據(jù)結果。其應用范圍十分廣闊,而視頻內(nèi)容在互聯(lián)網(wǎng)發(fā)展中所占比重越來越大,針對互聯(lián)網(wǎng)視頻領域的面向主題搜索必將有更大的研究價值與意義。
　　 通過結合COCITATION算法的思想,本文提出了針對互聯(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其進行了改進。運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構信息、已采集鏈接的主題相關性以及互聯(lián)網(wǎng)拓撲結構信息三類信息有機的結合,從而進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)視頻的復雜命名實體抽取模型。復雜命名實體的識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,還有助于搜索引擎理解用戶的查詢意圖,從而給出有針對性的、整合的搜索結果。但是其識別工作尚未得到充分的研究。本文將復雜中文命名實體研究引入到互聯(lián)網(wǎng)視頻搜索領域,對面向主題的互聯(lián)網(wǎng)視頻搜索有著非常重要的貢獻。
　　 本文設計了一種支持大規(guī)模主題搜索的可適應分布式框架。通過充分挖掘利用互聯(lián)網(wǎng)社區(qū)中的搜索日志,設計了基于Map-Reduce計算框架的可并行處理大規(guī)模Web文檔的可適應分布式框架。
　　 通過本文實驗分析