中国科学院自动化研究所机构知识库
Advanced  
CASIA OpenIR  > 毕业生  > 博士学位论文
题名: 视频广告推荐的关键技术研究
作者: 王博
学位类别: 工学博士
答辩日期: 2012-05-30
授予单位: 中国科学院研究生院
授予地点: 中国科学院自动化研究所
导师: 卢汉清
关键词: 视频分析 ; 广告推荐 ; 个性化 ; 上下文广告 ; 概念空间 ; video analysis ; ad recommendation ; personalization ; contextual advertising ; concept space
其他题名: Research on Key Technologies of Ad Recommendation for Online Video
学位专业: 模式识别与智能系统
中文摘要: 随着互联网的快速普及和数字影像采集处理技术的发展,网络视频行业迅速崛起,并在人们的日常生活中起着越来越重要的作用。作为一种包含图像、声音、文字等多信息的综合性媒体,视频具有强大的信息承载和传播能力,因此视频的语义分析和理解早已成为多媒体信息处理领域的一个重要研究方向。另一方面,随着电子商务平台的发展和购物环境的改善,网络购物等消费方式逐渐渗入人们的生活,这为网络视频行业与电子商务的有机结合带来了商机。结合视频内容分析与用户个性化信息的广告推荐打破了在传统的电视广告中观众只能被动接受既定的广告的营销方式。因此,针对各种网络视频的语义分析并进行网络购物等相关广告服务信息的个性化推荐具有重要的研究意义。 本文在对利用各种网络资源对视频进行语义标注、利用用户的个人信息和社交信息进行个人兴趣偏好的学习、建立概念语义空间并进行文本语义相关性比较、挖掘广告信息与视频内容和用户兴趣之间的双重相关性进行个性化的广告服务推荐等方面做了深入研究。主要工作和贡献如下: 1.提出了一种基于渐进式检索的广告视频标注方法,实现了基于语义关联的广告推荐。首先,提取广告视频中具有商品信息的关键帧图像,融合多种特征在商品数据库中进行基于谱哈希的图像检索;然后对检索结果对应的文本信息进行聚类,提取相应关键词作为广告视频的标注并以此进行文本检索,将得到的商品信息作为推荐结果。其中,通过视觉检索一定程度上解决了广告视频缺少文本标注而难以进行语义分析的问题,文本聚类和检索部分则有效降低了视觉检索中语义鸿沟的影响,使得推荐的商品信息与广告视频保持一定的语义相关性。 2.提出了一种基于视频概念检测和查询词扩展的交互式广告推荐方法。首先,通过视觉概念检测等手段对网络视频进行基于内容的语义标注,并结合用户标签等文本获得视频的上下文信息。其次,我们针对广告商品领域,利用电子商务网站的目录结构,建立了一个面向广告的语义概念空间。然后将视频的上下文信息在语义空间中进行关键词扩展,方便用户交互选择关键词。最后,根据关键词进行文本检索得到相关广告信息的推荐。 3.提出了一种融合语义相关性和社会相关性的视频广告推荐方法。在视频语义分析方面,利用视频与相关文本协同的方法进行视频标注。在用户兴趣方面,采用多元关系概率矩阵分解模型将网络视频用户的个人数据和社交信息中的多种关系结合起来,对用户偏好进行学习。在语义相关性比较方面,将三种信息(视频标注、用户兴趣和广告标签)向广告领域的概念空间投影,通过计算概念分布之间的相似度得到广告和视频内容的相关性以及广告和用户兴趣的相关性,实现面向网络视频的个性化广告推荐。 4.根据上述三种方法,分别设计了一个针对广告视频的相关广告推荐系统,一个基于网络视频上下文信息的交互式广告推荐系统和一个网络视频的个性化广告推荐系统。通过对各类视频和实际用户数据进行实验,验证了我们的视频语义分析、用户兴趣学习、语义相关性计算等方法和各种推荐方案的有效性。
英文摘要: With the popularization of the Internet and the development of digital video acquisition and processing technology, Internet video industry is growing rapidly and playing an increasingly important role in people's lives. As a kind of integrated media containing image, audio and text, video has strong capacity for information carrying and transmission. Therefore semantic video analysis has already become an important research direction in the field of multimedia information processing. On the other hand, with the growth of e-commerce platform and improvement of the shopping environment, online shopping is gradually infiltrating into people's lives, which also offers tremendous commercial opportunities to the Internet video industry. The new ad recommendation combining video content analysis and user interest has changed the way of rraditional marketing on TV, which is passive to receive the established content for users. As a result, it will be of great research significance to semantically analyze kinds of Internet videos and then recommend users relevant and personalized service information such as shopping. This paper investigates how to semantically annotate videos with help of network resouces, how to learn user's interests based on his/her personal profile and social information, and how to make personalized ad recommendation by considering the dual semantic relevance between ad and video or user. The main contributions of this dissertation include the following issues: 1.We propose a progressive search based annotation method for ad video and achieve to recommend relevant advertising message by simantically linking ad video and Web services. First, we extract representative key frames with product information from ad video and make content-based image retrieval by feature fusion in our product database. The tags of search results are clustered to select appropriate key words which are used in the next textual retrieval to find the final recommendation results. In our scheme, visual retrieval is used to resolve the problem of lacking text labels for ad video, while textual processing and retrieval is served to avoid the semantic gap caused by visual search and guarantee the semantic relevance between recommended product information and ad video. 2.We propose an interactive ad recommendation approach for video based on video concept detection and query expansion. First, we detect visual concepts to annotate video and obtain its cont...
语种: 中文
馆藏号: XWLW1744
其他标识符: 200918014628050
内容类型: 学位论文
URI标识: http://ir.ia.ac.cn/handle/173211/6457
Appears in Collections:毕业生_博士学位论文

Files in This Item:
File Name/ File Size Content Type Version Access License
CASIA_200918014628050王博.PDF(3152KB)----暂不开放 联系获取全文
Service
Recommend this item
Sava as my favorate item
Show this item's statistics
Export Endnote File
Google Scholar
Similar articles in Google Scholar
[王博]'s Articles
CSDL cross search
Similar articles in CSDL Cross Search
[王博]‘s Articles
Related Copyright Policies
Null
Social Bookmarking
Add to CiteULike Add to Connotea Add to Del.icio.us Add to Digg Add to Reddit
所有评论 (1)
李川
2016-01-18 15:01
有全文链接吗
 
评注功能仅针对注册用户开放,请您登录
您对该条目有什么异议,请填写以下表单,管理员会尽快联系您。
内 容:
Email:  *
单位:
验证码:   刷新
您在IR的使用过程中有什么好的想法或者建议可以反馈给我们。
标 题:
 *
内 容:
Email:  *
验证码:   刷新

Items in IR are protected by copyright, with all rights reserved, unless otherwise indicated.

 

 

Valid XHTML 1.0!
Copyright © 2007-2017  中国科学院自动化研究所 - Feedback
Powered by CSpace