动态关联规则提升网络视频事件挖掘效率

在"论文研究-Adaptive Association Rule Mining for Web Video Event Classification.pdf"这篇论文中，作者张承德和吴晓探讨了在网络视频爆炸式增长的背景下，如何提高对网络视频事件的有效挖掘和分类。随着社交网络和视频分享平台的普及，海量的网络视频数据使得单纯依赖于初始关键字和视觉特征的传统事件挖掘方法面临挑战。为解决这一问题，他们提出了基于NDK（近似重复关键帧）的动态语义关联规则挖掘方法。 NDK被用于增强关键字信息，通过排除那些与其他单词无明显语义关联的冗余词汇，从而提升挖掘的精确度。这种方法的关键在于建立近似重复关键帧与高级别语义之间的联系，这意味着文本和视觉信息都被综合考虑在内，以实现更准确的事件识别。通过在YouTube等大规模网络视频库上进行实验，论文验证了他们的方法在实际应用中的优越性，能够有效提升网络视频事件的分类效果，相较于现有的对比方法表现更为出色。 论文的研究还得到了国家自然科学基金（Nos. 61071184, 60972111, 61036008）等多个项目的资金支持，以及博士研究生教育研究基金（No. 20100184120009）和四川省杰出青年学者基金（Nos. 2012JQ0029, 13QNJJ0149）的认可，以及中央高校基础研究基金（Project No...）。这项工作的贡献不仅体现在理论研究层面，也为网络视频内容分析的实际应用提供了新的思路和技术支撑，对于推动视频内容理解与智能化处理具有重要意义。