文献

J-GLOBAL ID：202102243445594759   整理番号：21A0447320

TVプログラムコンテンツ表現のための視聴覚,ジャンル,ニューラルおよび局所テキスト埋込み【JST・京大機械翻訳】

Audiovisual, Genre, Neural and Topical Textual Embeddings for TV Programme Content Representation

著者 (4件)： Nazir Saba (University College London,Department of Computer Science,U.K) ,  Cagali Taner (University College London,Department of Computer Science,U.K) ,  Sadrzadeh Mehrnoosh (University College London,Department of Computer Science,U.K) ,  Newell Chris (BBC Research and Development,London,U.K.)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ISM  ページ： 197-200  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： TVプログラムは,複数の手段で記述されたコンテンツ,即ち,テキストサブティル,オーディオビジュアルファイル,およびジャンルのようなメタデータである。これらのコンテンツを表現するために,それらの低レベルマルチモーダル特徴のためのベクトル表現を開発し,それらを単純なクラスタリング技法でグループ化し,それらを中間および後期融合を用いて結合させた。テキスト特徴のために,著者らはLSIとDoc2Vec神経埋込みを使用する。オーディオ,MFCCおよびAudio WordsのBags;視覚,SIFTおよびVisual WordsのBags。このモデルをBBC TVプログラムのデータセットに適用し,視聴者の行動を推定するためのコンテンツベクトルの標準推薦者とペアワイズ類似性行列を使用した。テキスト埋込みの両方によるジャンル,オーディオおよびビデオベクトルの後期融合は,結果の精度および多様性を著しく増加させた。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 視覚 ,  ベクトル ,  LSI【IC】 ,  クラスタ化 ,  録画装置 ,  オーディオ機器 ,  類似性 ,  視聴者 ,  *コンテンツ ,  メタデータ
準シソーラス用語： オーディオビジュアル ,  MFCC ,  *視聴覚 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： TV ,  コンテンツ ,  表現 ,  視聴覚 ,  埋込み