第3期 温有福，等：一种多模态融合的网络视频相关性度量方法 ·365. [3]SCHMIEDEKE S,KELM P,SIKORA T.TUB MediaE- web video categorization C//Proceedings of the 17th val 2011 genre tagging task:prediction using bag-of-(visu- ACM International Conference on Multimedia.New York, al)-words approaches [C]//Working Notes Proceedings of NY,USA,2009:1109-1110. the MediaEval 2011 Workshop.Pisa,Italy,2011:1-2. [14]DAVIDSON J.LIEBALD B,LIU J,et al.The YouTube [4]LAW-TO J,CHEN Li,JOLY A,et al.Video copy detec- video recommendation system[C]//Proceedings of the 4th tion:a comparative study[C]//Proceedings of the 6th ACM ACM Conference on Recommender Systems.New York, Intemational Conference on Image and Video Retrieval.New NY,USA,2010:293-296. York,NY,USA,2007:371-378. [15]ZHAO Wanlei,WU Xiao,NGO C W.On the annotation of [5]WU Xiao,HAUPTMANN A G.NGO C W.Practical elimi- web videos by efficient near-duplicate search[J].IEEE nation of near-duplicates from web video search[C]//Pro- Transactions on Multimedia,2010,12(5):448-461. ceedings of the 15th ACM International Conference on Mul- [16]TAN H K,NGO C W,CHUA T S.Efficient mining of timedia.New York,NY,USA,2007:218-227. multiple partial near-duplicate alignments by temporal net- [6]SONG Jingkuan,YANG Yi,HUANG Zi,et al.Multiple work[J].IEEE Transactions on Circuits and Systems for feature hashing for real-time large scale near-duplicate video Video Technology,2010,20(11):1486-1498. retrieval[C]//Proceedings of the 19th ACM International [17]CAO J,ZHANG Y D,SONG Y D,et al.MCG-WEBV:a Conference on Multimedia.New York,NY,USA,2011: benchmark dataset for web video analysis[R].Technical 423-432. Report,Beijing,China:Institute of Computing Technolo- [7]PERRONNIN F,DANCE C.Fisher kernels on visual vocab- y,2009:324-334. ularies for image categorization[C]//Proceedings of IEEE [18]JIANG Yugang,JIANG Yudong,WANG Jiajun.VCDB:a Conference on Computer Vision and Pattern Recognition. large-scale database for partial copy detection in videos Minneapolis,MN,USA,2007:1-8. [M]//FLEET D,PAJDLA T,SCHIELE B,et al.Com- [8]JeGOU H.DOUZE M,SCHMID C,et al.Aggregating local puter Vision-ECCV 2014.Zurich,Switzerland:Springer, descriptors into a compact image representation[C]//Pro- 2014:357-371 ceedings of IEEE Conference on Computer Vision and Pat- 作者简介： tern Recognition (CVPR).San Francisco,CA,USA, 温有福，男，1991年生，硕士研究 2010:3304-3311. 生，主要研究方向为视频/图像检索、 9]TAN H K,NGO C W,HONG R,et al.Scalable detection 社交网络分析。 of partial near-duplicate videos by visual-temporal consisten- cy[C]//Proceedings of the 17th ACM International Confer- ence on Multimedia.New York,NY,USA,2009:145-154. [10]FENG Bailan,CAO Juan,CHEN Zhineng,et al.Multi- 贾彩燕，女，1976年生，副教授， modal query expansion for web video search [C]//Pro- 博士生导师，博士，主要研究方向为数 ceedings of the 33rd International ACM SIGIR Conference 据挖掘、社会计算、文本挖掘及生物信 on Research and Development in Information Retrieval. 息学。近年来主持国家自然科学基金 New York,NY,USA,2010:721-722. 面上项目1项，主持国家自然科学基金 [11]BREZEALE D,COOK D J.Automatic video classification: 青年基金项目和面上项目1项：参加国家自然科学基金重点 a survey of the literature[J].IEEE Transactions on Sys- 项目、国家科技重大专项北京市自然科学基金项目各1项； tems,Man,and Cybernetics,Part C (Applications and 获得湖南省科学技术进步二等奖1项，发表学术论文40 Reviews),2008,38(3):416-430. 余篇。 [12]YANG Linjun,LIU Jiemin,YANG Xiaokang,et al.Multi- 陈智能，男，1982年生，副研究员， modality web video categorization[C]//Proceedings of the 博士，主要研究方向为多媒体内容分 International Workshop on Workshop on Multimedia Infor- 析与检索、机器学习、图像处理。近年 mation Retrieval.New York,NY,USA,2007:265-274. 来主持国家自然科学基金青年基金1 [13]WU Xiao,ZHAO Wanlei,NGO C W.Towards google 项，发表学术论文20余篇。 challenge:combining contextual and social information for［３］ＳＣＨＭＩＥＤＥＫＥ Ｓ， ＫＥＬＭ Ｐ， ＳＩＫＯＲＡ Ｔ． ＴＵＢ ＠ ＭｅｄｉａＥ⁃ ｖａｌ ２０１１ ｇｅｎｒｅ ｔａｇｇｉｎｇ ｔａｓｋ： ｐｒｅｄｉｃｔｉｏｎ ｕｓｉｎｇ ｂａｇ⁃ｏｆ⁃（ ｖｉｓｕ⁃ ａｌ）⁃ｗｏｒｄｓ ａｐｐｒｏａｃｈｅｓ ［ Ｃ］ ／ ／ Ｗｏｒｋｉｎｇ Ｎｏｔｅｓ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ＭｅｄｉａＥｖａｌ ２０１１ Ｗｏｒｋｓｈｏｐ． Ｐｉｓａ， Ｉｔａｌｙ， ２０１１： １⁃２． ［４］ＬＡＷ⁃ＴＯ Ｊ， ＣＨＥＮ Ｌｉ， ＪＯＬＹ Ａ， ｅｔ ａｌ． Ｖｉｄｅｏ ｃｏｐｙ ｄｅｔｅｃ⁃ ｔｉｏｎ： ａ ｃｏｍｐａｒａｔｉｖｅ ｓｔｕｄｙ［Ｃ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ６ｔｈ ＡＣＭ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｉｍａｇｅ ａｎｄ Ｖｉｄｅｏ Ｒｅｔｒｉｅｖａｌ． Ｎｅｗ Ｙｏｒｋ， ＮＹ， ＵＳＡ， ２００７： ３７１⁃３７８． ［５］ＷＵ Ｘｉａｏ， ＨＡＵＰＴＭＡＮＮ Ａ Ｇ， ＮＧＯ Ｃ Ｗ． Ｐｒａｃｔｉｃａｌ ｅｌｉｍｉ⁃ ｎａｔｉｏｎ ｏｆ ｎｅａｒ⁃ｄｕｐｌｉｃａｔｅｓ ｆｒｏｍ ｗｅｂ ｖｉｄｅｏ ｓｅａｒｃｈ［Ｃ］ ／ ／ Ｐｒｏ⁃ ｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ １５ｔｈ ＡＣＭ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｍｕｌ⁃ ｔｉｍｅｄｉａ． Ｎｅｗ Ｙｏｒｋ， ＮＹ， ＵＳＡ， ２００７： ２１８⁃２２７． ［６］ ＳＯＮＧ Ｊｉｎｇｋｕａｎ， ＹＡＮＧ Ｙｉ， ＨＵＡＮＧ Ｚｉ， ｅｔ ａｌ． Ｍｕｌｔｉｐｌｅ ｆｅａｔｕｒｅ ｈａｓｈｉｎｇ ｆｏｒ ｒｅａｌ⁃ｔｉｍｅ ｌａｒｇｅ ｓｃａｌｅ ｎｅａｒ⁃ｄｕｐｌｉｃａｔｅ ｖｉｄｅｏ ｒｅｔｒｉｅｖａｌ［ Ｃ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ １９ｔｈ ＡＣＭ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｍｕｌｔｉｍｅｄｉａ． Ｎｅｗ Ｙｏｒｋ， ＮＹ， ＵＳＡ， ２０１１： ４２３⁃４３２． ［７］ＰＥＲＲＯＮＮＩＮ Ｆ， ＤＡＮＣＥ Ｃ． Ｆｉｓｈｅｒ ｋｅｒｎｅｌｓ ｏｎ ｖｉｓｕａｌ ｖｏｃａｂ⁃ ｕｌａｒｉｅｓ ｆｏｒ ｉｍａｇｅ ｃａｔｅｇｏｒｉｚａｔｉｏｎ ［ Ｃ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ＩＥＥＥ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ． Ｍｉｎｎｅａｐｏｌｉｓ， ＭＮ， ＵＳＡ， ２００７： １⁃８． ［８］ＪéＧＯＵ Ｈ， ＤＯＵＺＥ Ｍ， ＳＣＨＭＩＤ Ｃ， ｅｔ ａｌ． Ａｇｇｒｅｇａｔｉｎｇ ｌｏｃａｌ ｄｅｓｃｒｉｐｔｏｒｓ ｉｎｔｏ ａ ｃｏｍｐａｃｔ ｉｍａｇｅ ｒｅｐｒｅｓｅｎｔａｔｉｏｎ ［ Ｃ］ ／ ／ Ｐｒｏ⁃ ｃｅｅｄｉｎｇｓ ｏｆ ＩＥＥＥ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ Ｐａｔ⁃ ｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ （ ＣＶＰＲ）． Ｓａｎ Ｆｒａｎｃｉｓｃｏ， ＣＡ， ＵＳＡ， ２０１０： ３３０４⁃３３１１． ［９］ＴＡＮ Ｈ Ｋ， ＮＧＯ Ｃ Ｗ， ＨＯＮＧ Ｒ， ｅｔ ａｌ． Ｓｃａｌａｂｌｅ ｄｅｔｅｃｔｉｏｎ ｏｆ ｐａｒｔｉａｌ ｎｅａｒ⁃ｄｕｐｌｉｃａｔｅ ｖｉｄｅｏｓ ｂｙ ｖｉｓｕａｌ⁃ｔｅｍｐｏｒａｌ ｃｏｎｓｉｓｔｅｎ⁃ ｃｙ［Ｃ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ １７ｔｈ ＡＣＭ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒ⁃ ｅｎｃｅ ｏｎ Ｍｕｌｔｉｍｅｄｉａ． Ｎｅｗ Ｙｏｒｋ， ＮＹ， ＵＳＡ， ２００９： １４５⁃１５４． ［１０］ＦＥＮＧ Ｂａｉｌａｎ， ＣＡＯ Ｊｕａｎ， ＣＨＥＮ Ｚｈｉｎｅｎｇ， ｅｔ ａｌ． Ｍｕｌｔｉ⁃ ｍｏｄａｌ ｑｕｅｒｙ ｅｘｐａｎｓｉｏｎ ｆｏｒ ｗｅｂ ｖｉｄｅｏ ｓｅａｒｃｈ ［ Ｃ］ ／ ／ Ｐｒｏ⁃ ｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ３３ｒｄ Ｉｎｔｅｒｎａｔｉｏｎａｌ ＡＣＭ ＳＩＧＩＲ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｒｅｓｅａｒｃｈ ａｎｄ Ｄｅｖｅｌｏｐｍｅｎｔ ｉｎ Ｉｎｆｏｒｍａｔｉｏｎ Ｒｅｔｒｉｅｖａｌ． Ｎｅｗ Ｙｏｒｋ， ＮＹ， ＵＳＡ， ２０１０： ７２１⁃７２２． ［１１］ＢＲＥＺＥＡＬＥ Ｄ， ＣＯＯＫ Ｄ Ｊ． Ａｕｔｏｍａｔｉｃ ｖｉｄｅｏ ｃｌａｓｓｉｆｉｃａｔｉｏｎ： ａ ｓｕｒｖｅｙ ｏｆ ｔｈｅ ｌｉｔｅｒａｔｕｒｅ［ Ｊ］． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｓｙｓ⁃ ｔｅｍｓ， Ｍａｎ， ａｎｄ Ｃｙｂｅｒｎｅｔｉｃｓ， Ｐａｒｔ Ｃ （ Ａｐｐｌｉｃａｔｉｏｎｓ ａｎｄ Ｒｅｖｉｅｗｓ）， ２００８， ３８（３）： ４１６⁃４３０． ［１２］ＹＡＮＧ Ｌｉｎｊｕｎ， ＬＩＵ Ｊｉｅｍｉｎ， ＹＡＮＧ Ｘｉａｏｋａｎｇ， ｅｔ ａｌ． Ｍｕｌｔｉ⁃ ｍｏｄａｌｉｔｙ ｗｅｂ ｖｉｄｅｏ ｃａｔｅｇｏｒｉｚａｔｉｏｎ［Ｃ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｗｏｒｋｓｈｏｐ ｏｎ Ｗｏｒｋｓｈｏｐ ｏｎ Ｍｕｌｔｉｍｅｄｉａ Ｉｎｆｏｒ⁃ ｍａｔｉｏｎ Ｒｅｔｒｉｅｖａｌ． Ｎｅｗ Ｙｏｒｋ， ＮＹ， ＵＳＡ， ２００７： ２６５⁃２７４． ［１３］ ＷＵ Ｘｉａｏ， ＺＨＡＯ Ｗａｎｌｅｉ， ＮＧＯ Ｃ Ｗ． Ｔｏｗａｒｄｓ ｇｏｏｇｌｅ ｃｈａｌｌｅｎｇｅ： ｃｏｍｂｉｎｉｎｇ ｃｏｎｔｅｘｔｕａｌ ａｎｄ ｓｏｃｉａｌ ｉｎｆｏｒｍａｔｉｏｎ ｆｏｒ ｗｅｂ ｖｉｄｅｏ ｃａｔｅｇｏｒｉｚａｔｉｏｎ ［ Ｃ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ １７ｔｈ ＡＣＭ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｍｕｌｔｉｍｅｄｉａ． Ｎｅｗ Ｙｏｒｋ， ＮＹ， ＵＳＡ， ２００９： １１０９⁃１１１０． ［１４］ ＤＡＶＩＤＳＯＮ Ｊ， ＬＩＥＢＡＬＤ Ｂ， ＬＩＵ Ｊ， ｅｔ ａｌ． Ｔｈｅ ＹｏｕＴｕｂｅ ｖｉｄｅｏ ｒｅｃｏｍｍｅｎｄａｔｉｏｎ ｓｙｓｔｅｍ［Ｃ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ４ｔｈ ＡＣＭ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｒｅｃｏｍｍｅｎｄｅｒ Ｓｙｓｔｅｍｓ． Ｎｅｗ Ｙｏｒｋ， ＮＹ， ＵＳＡ， ２０１０： ２９３⁃２９６． ［１５］ＺＨＡＯ Ｗａｎｌｅｉ， ＷＵ Ｘｉａｏ， ＮＧＯ Ｃ Ｗ． Ｏｎ ｔｈｅ ａｎｎｏｔａｔｉｏｎ ｏｆ ｗｅｂ ｖｉｄｅｏｓ ｂｙ ｅｆｆｉｃｉｅｎｔ ｎｅａｒ⁃ｄｕｐｌｉｃａｔｅ ｓｅａｒｃｈ ［ Ｊ］． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｍｕｌｔｉｍｅｄｉａ， ２０１０， １２（５）： ４４８⁃４６１． ［１６］ ＴＡＮ Ｈ Ｋ， ＮＧＯ Ｃ Ｗ， ＣＨＵＡ Ｔ Ｓ． Ｅｆｆｉｃｉｅｎｔ ｍｉｎｉｎｇ ｏｆ ｍｕｌｔｉｐｌｅ ｐａｒｔｉａｌ ｎｅａｒ⁃ｄｕｐｌｉｃａｔｅ ａｌｉｇｎｍｅｎｔｓ ｂｙ ｔｅｍｐｏｒａｌ ｎｅｔ⁃ ｗｏｒｋ［ Ｊ］． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｃｉｒｃｕｉｔｓ ａｎｄ Ｓｙｓｔｅｍｓ ｆｏｒ Ｖｉｄｅｏ Ｔｅｃｈｎｏｌｏｇｙ， ２０１０， ２０（１１）： １４８６⁃１４９８． ［１７］ＣＡＯ Ｊ， ＺＨＡＮＧ Ｙ Ｄ， ＳＯＮＧ Ｙ Ｄ， ｅｔ ａｌ． ＭＣＧ⁃ＷＥＢＶ： ａ ｂｅｎｃｈｍａｒｋ ｄａｔａｓｅｔ ｆｏｒ ｗｅｂ ｖｉｄｅｏ ａｎａｌｙｓｉｓ ［ Ｒ］． Ｔｅｃｈｎｉｃａｌ Ｒｅｐｏｒｔ， Ｂｅｉｊｉｎｇ， Ｃｈｉｎａ： Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｃｏｍｐｕｔｉｎｇ Ｔｅｃｈｎｏｌｏ⁃ ｇｙ， ２００９： ３２４⁃３３４． ［１８］ＪＩＡＮＧ Ｙｕｇａｎｇ， ＪＩＡＮＧ Ｙｕｄｏｎｇ， ＷＡＮＧ Ｊｉａｊｕｎ． ＶＣＤＢ： ａ ｌａｒｇｅ⁃ｓｃａｌｅ ｄａｔａｂａｓｅ ｆｏｒ ｐａｒｔｉａｌ ｃｏｐｙ ｄｅｔｅｃｔｉｏｎ ｉｎ ｖｉｄｅｏｓ ［Ｍ］ ／ ／ ＦＬＥＥＴ Ｄ， ＰＡＪＤＬＡ Ｔ， ＳＣＨＩＥＬＥ Ｂ， ｅｔ ａｌ． Ｃｏｍ⁃ ｐｕｔｅｒ Ｖｉｓｉｏｎ⁃ＥＣＣＶ ２０１４． Ｚｕｒｉｃｈ， Ｓｗｉｔｚｅｒｌａｎｄ： Ｓｐｒｉｎｇｅｒ， ２０１４： ３５７⁃３７１． 作者简介： 温有福，男， １９９１ 年生，硕士研究 生， 主要研究方向为视频／ 图像检索、 社交网络分析。 贾彩燕， 女， １９７６ 年生， 副教授， 博士生导师，博士， 主要研究方向为数 据挖掘、社会计算、文本挖掘及生物信 息学。 近年来主持国家自然科学基金 面上项目 １ 项，主持国家自然科学基金 青年基金项目和面上项目 １ 项；参加国家自然科学基金重点 项目、国家科技重大专项、北京市自然科学基金项目各 １ 项； 获得湖南省科学技术进步二等奖 １ 项，发表学术论文 ４０ 余篇。 陈智能， 男，１９８２ 年生，副研究员， 博士， 主要研究方向为多媒体内容分 析与检索、机器学习、图像处理。 近年 来主持国家自然科学基金青年基金 １ 项，发表学术论文 ２０ 余篇。 第 ３ 期 温有福，等：一种多模态融合的网络视频相关性度量方法 ·３６５·