媒体大数据搜索与挖掘-中国计算机学会·计算机视觉专委会.PDF

媒体大数据搜索与挖掘媒体大数据搜索与挖掘 程程 健健 研究员研究员 jcheng@ 中国科学院自动化研究所中国科学院自动化研究所 模式识别国家重点实验室 2016.12.17 1 大大纲纲  背景介绍背景介绍  索引与排序索引与排序  近似近邻搜索近似近邻搜索  总结与展望总结与展望 2 大大纲纲  背景介绍背景介绍  索引与排序索引与排序  近似近邻搜索近似近邻搜索  总结与展望总结与展望 3 背景介绍背景介绍 • 网络资源呈爆炸式增长网络资源呈爆炸式增长 – 计算机技术与互联网技术 – 各种数码设备：MP3、MP4、DC、DV等 •• 资源类型资源类型 – 文本：新闻，博客，电子书 – 图像：网页图片，个人影集，网络图像集（Flickr） – 视频视频：播客播客，网络视频集网络视频集 （Youtube，优酷优酷），广告广告 – 音频：音乐库，语音库 4 背景介绍背景介绍 索引网页量超万亿 索引图像量几十亿 6600亿张亿张照片照片，标注词标注词 条超过1亿3千万条 日均浏览量超过10亿次， 全球平均每位网民每球平均每位网民每日都都 浏览了一段视频。 5 背景介绍背景介绍 数字化金矿数字化金矿 VSVS 资源的沼泽资源的沼泽 国家战略国家战略  以大数据为代表的第三次工业革命已经来临：2012年3月，奥巴马政府 将大数据定位为国家战略，并将数据定义为“未来的新石油”  过去一年中，美国总统的”每日情报简报”共有1477个条目使用了网络 大数据分析  大大数据是未来国家竞争力的利器数据是未来国家竞争力的利器。错失良机错失良机 ，将将会拉大我国与发达国家会拉大我国与发达国家 之间的差距 7 背景介绍背景介绍 • 基于文本本的检索检索 – 依赖于手工标注 – 检索结果相对准确检索结果相对准确 – 耗时费力，且带有主观性 • 基于内容的检索 – 依赖于数据对象的基本特征依赖于数据对象的基本特征