基于Agent的跨媒体数据挖掘和旅游信息导航研究

随着现代信息技术的发展，互联网上的知识的表现形式也从单一的文本形式，发展到多种媒体信息并存。多媒体信息非结构化的数据格式、巨大的数据量以及内容理解的主观性与多义性，对数据挖掘技术提出了新的挑战。本课题在以往科学研究的基础上，建立基于Agent的跨媒体数据处理模型，探寻Agent间的交互和协作机制和在动态网络环境下的迁移机制；进行跨媒体语义分析、分类与挖掘研究，提出视觉特征的语义描述方法及高效的特征匹配算法，挖掘跨媒体数据中隐含的知识，建立跨媒体内容在不同特征空间上的映射；提出基于领域知识模型的跨媒体语义融合和信息导航新方法，通过计算语义相似度和概念推理来实现对用户信息获取需求的推理及信息导航；建立基于Agent的旅游信息导航系统，为跨媒体旅游信息的搜索、分类、主题挖掘、融合和索引以及旅游信息导航提供科学准确的决策依据，力争在基于Agent的跨媒体数据挖掘和信息导航领域取得突破性进展。

随着现代信息技术的发展，互联网上的知识呈几何级数增长，其表现形式也从单一的文本形式，发展到文本、图像、语音、视频等多种媒体信息相互呈现，互相补充。多媒体信息已逐渐成为当前信息处理和信息资源建设的主体。多媒体信息非结构化的数据格式、巨大的数据量以及内容理解的主观性与多义性，对数据挖掘技术提出了新的挑战。本课题在以往科学研究的基础上，建立基于Agent的跨媒体数据处理模型，给出了Agent之间的交互和协作机制以及 Agent的迁移策略，解决了跨媒体数据处理系统中的任务规划问题，将跨媒体数据处理系统的处理过程封装成具有移动性、自主性的Agent，分别执行底层特征提取、高层语义分析、标注、跨媒体训练和学习任务；进行了跨媒体语义分析、分类与挖掘研究，提出了视觉特征的语义描述方法及高效的特征匹配算法，建立了跨媒体内容在不同特征空间上的映射，提出了基于视觉词袋模型的健壮的图像表达方法，建立了基于潜在语义主题加权融合的图像语义标注模型，得到了文本模态数据和视觉模态数据的潜在语义主题分布。提出了一种文本-图像特征映射算法，建立了基于特征迁移的图像语义分类模型，得出显著文本语义主题特征。实现了图像语义分类，挖掘出了跨媒体数据中隐含的知识；建立了旅游本体模型，提出了领域概念自动抽取算法和混合的领域概念间关系自动抽取算法，建立了基于本体的语义相似度计算模型和基于语义距离的关系路径权重语义相似度计算模型，提出了基于领域知识模型的跨媒体语义融合和信息导航方法，通过计算语义相似度和概念推理实现了对旅游用户信息的推理及信息导航；提出了一种改进的语义排序算法，建立了基于Agent的旅游信息导航系统，实现了基于旅游领域本体的查询扩展和语义推理，以及对跨媒体旅游信息的搜索、分类、主题挖掘、融合、索引和导航。在基于 Agent 的跨媒体数据挖掘和信息导航领域取得了突破性进展。课题组共发表相关论文50篇，其中SCI 检索14篇，EI检索32篇。期刊论文21篇，会议论文29篇。申请相关发明专利5项。培养博士研究生4人，硕士研究生17人。举办相关国际会议1次。

内容获取失败，请点击重试