面向大数据的媒体内容分析与关联语义挖掘研究

In many business areas such as the deep Web search, more and more demands on big media data processing and intelligent application emerge. The big media data contains a lot of valuable information and semantics and there exists deep information association among different sources and types of media data. Thus analyzing and mining such media data will be very helpful for deep information and fact discovery. Thus big media data analyzing and mining is of great significance for research and application. However, big media data processing comes with great difficulty and challenge. This proposal aims to study on the big media data content analysis and semantic association mining, with focuses on the study of analysis of the media content and semantics, a variety of machine learning methods and techniques towards big media data processing, the big media data parallel computing methods and algorithms. In order to make use of rich information associations hidden in the big media data to perform the deep mining and fact discovery, we will further study the media semantics fusion and deep mining techniques, eventually forming the media mining applications and services for many business areas.

在诸如深度Web搜索等应用领域，大数据媒体处理和智能化应用需求日益增多。大数据媒体隐含着很多有价值的信息和语义，且不同来源和类型的媒体数据间隐含着很多深度的信息关联性，因此，分析和挖掘多源异质媒体大数据，将有助于挖掘和发现很多深度信息和事实，因此大数据媒体分析和挖掘技术具有极为重要的研究意义和应用价值。然而大数据媒体分析处理面临很多技术难题。本项目拟研究面向大数据的媒体内容分析与关联语义挖掘技术，重点研究所涉及的复杂的媒体内容和语义分析技术、面向大数据媒体处理的各种机器学习和数据挖掘技术方法、大数据媒体处理并行化计算方法和算法。为了进一步利用多源异质大数据媒体所隐含的丰富的信息关联性完成深度挖掘和事实发现，本项目将在媒体内容和语义分析的基础上，进一步研究多源异质媒体语义的关联融合和深度挖掘技术，为应用行业提供各种媒体挖掘应用和服务。

围绕面向大数据媒体语义理解的机器学习理论与算法、媒体大数据分布存储和并行计算模型与框架、面向大数据的媒体内容和语义分析研究和大数据媒体语义的融合与深度挖掘等研究内容，项目组开展了系统而深入的研究。.在机器学习理论与算法方面，着重研究了面向复杂媒体对象的学习算法、复杂对象学习中的优化问题求解理论与算法、面向复杂对象学习的高效求解方法。有关成果有助于改进针对复杂媒体对象的学习性能，提高学习方法的效用与效率。.在分布存储和并行计算模型与框架方面，系统地研究了面向媒体大数据处理的并行化算法、混合式和通用化并行计算模型与框架、媒体大数据分布式存储管理模型和访问方法、媒体大数据处理的并行计算构架和支撑平台。有关成果可提升大数据分析应用系统的性能，基于矩阵模型的媒体大数据机器学习与数据分析编程模型与框架实现了底层平台对上层数据分析程序员的透明性。.在媒体内容和语义分析方面，深入研究了面向媒体内容中复杂语义概念的识别、多源异构媒体语义关联关系分析技术、数据多样性文本的语义分析。有关成果为物体层级的语义分析提供了基础，有效地改进图像检索、照片增强、显示适配等具体应用的效果，可以有效地对多样性文本进行有效的分析处理，并将文本信息与语义知识体系进行关联。.在媒体语义的融合与深度挖掘方面，深入研究了面向海量媒体语义数据的存取，海量语义异构数据的融合，海量媒体语义信息的检索和摘要，以及海量语义信息的分析。有关成果为异构数据融合及服务提供了性能保障，能够有效处理语义信息检索与分析中的异构性问题，提升语义检索服务的有效性。.在成果转化及应用方面，对开源大数据系统Apache Spark和Alluxio做出了持续的重要贡献，并研发了多个面向媒体大数据分析处理的应用系统。本项目发表论文80篇，出版专著1本，申请专利9项和软件著作权2项，其中，期刊论文有16篇，会议论文64篇，SCI收录9篇，EI收录63篇；根据CCF的分类，A类论文有9篇，B类18篇，C类19篇。