• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>3rd meetingof the EPSRC network on vision and language and the 1st technical meeting of the new European network on integrating vision and language >Cross-media Cross-genre Information Ranking Multi-media Information Networks
【24h】

Cross-media Cross-genre Information Ranking Multi-media Information Networks

机译：跨媒体跨流派信息排名多媒体信息网

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Current web technology has brought us a scenario that information about a certain topic is widely dispersed in data from different domains and data modalities, such as texts and images from news and social media. Automatic extraction of the most informative and important multimedia summary (e.g. a ranked list of inter-connected texts and images) from massive amounts of cross-media and cross-genre data can significantly save users' time and effort that is consumed in browsing. In this paper, we propose a novel method to address this new task based on automatically constructed Multi-media Information Networks (MiNets) by incorporating cross-genre knowledge and inferring implicit similarity across texts and images. The facts from MiNets are exploited in a novel random walk-based algorithm to iteratively propagate ranking scores across multiple data modalities. Experimental results demonstrated the effectiveness of our MiNets-based approach and the power of cross-media cross-genre inference.
机译：当前的网络技术给我们带来了一个场景，即有关某个主题的信息广泛分布在来自不同领域和数据模式的数据中，例如新闻和社交媒体中的文本和图像。从大量的跨媒体和跨流派数据中自动提取最有用，最重要的多媒体摘要（例如，互连文本和图像的排名列表），可以大大节省用户的浏览时间和精力。在本文中，我们提出了一种新颖的方法来解决此新任务，该方法基于自动构建的多媒体信息网络（MiNet），其中包含跨类型知识并推断出文本和图像之间的隐式相似性。来自MiNet的事实被用于一种新颖的基于随机游动的算法中，以在多种数据形式之间迭代地传播排名分数。实验结果证明了我们基于MiNets的方法的有效性以及跨媒体跨类型推理的能力。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号