多媒體數(shù)據(jù)挖掘技術(shù)在數(shù)字圖書館中的應(yīng)用

吳懿慧

[摘要]隨著網(wǎng)絡(luò)技術(shù)的發(fā)展，數(shù)字圖書館越來越被人所重視，多媒體數(shù)據(jù)挖掘成為數(shù)字圖書館信息檢索的一個(gè)重要手段。在分析多媒體數(shù)據(jù)挖掘的概念及特點(diǎn)的基礎(chǔ)上，提出多媒體數(shù)據(jù)挖掘系統(tǒng)的一般結(jié)構(gòu)，闡述多媒體數(shù)據(jù)的挖掘過程， 并就多媒體數(shù)據(jù)挖掘中的幾個(gè)關(guān)鍵技術(shù)進(jìn)行討論。

[關(guān)鍵詞]多媒體 數(shù)據(jù)挖掘 數(shù)字圖書館

中圖分類號(hào)：TP3文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1671－7597（2009）0510051－01

隨著網(wǎng)絡(luò)技術(shù)的發(fā)展，數(shù)字圖書館越來越被人所重視。對(duì)于數(shù)字圖書館這樣一個(gè)分布的信息空間，多媒體數(shù)據(jù)挖掘可以迅速、準(zhǔn)確為用戶提供適量的所需信息，因而成為數(shù)字圖書館信息檢索的一個(gè)重要研究方向。

一、多媒體數(shù)據(jù)挖掘的概念及特點(diǎn)

（一）多媒體數(shù)據(jù)挖掘的概念

多媒體數(shù)據(jù)挖掘是數(shù)據(jù)挖掘技術(shù)和多媒體技術(shù)的綜合產(chǎn)物。通過綜合分析視聽特性和語義，發(fā)現(xiàn)隱含的、有效的模式，得出事件的趨向和關(guān)聯(lián)，從而為用戶提供決策支持能力。

（二）多媒體數(shù)據(jù)挖掘的特點(diǎn)

（1）多媒體數(shù)據(jù)相對(duì)于常規(guī)數(shù)據(jù)為非結(jié)構(gòu)化、異構(gòu)數(shù)據(jù)。要在這些非結(jié)構(gòu)化或半結(jié)構(gòu)化的多媒體數(shù)據(jù)中抽取隱藏的知識(shí)必須將這些非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)化為結(jié)構(gòu)數(shù)據(jù)[1]。（2）多媒體數(shù)據(jù)的特征向量通常是數(shù)十維甚至數(shù)百維。（3）多媒體信息語義關(guān)聯(lián)性強(qiáng)。各自獨(dú)立的對(duì)象內(nèi)蘊(yùn)含極為豐富的語義聯(lián)系。（4）知識(shí)表達(dá)和解釋比較困難，通過挖掘所得出的模式往往較隱晦。

二、多媒體數(shù)據(jù)挖掘的一般系統(tǒng)結(jié)構(gòu)

因?yàn)槎嗝襟w數(shù)據(jù)是非結(jié)構(gòu)化的，而且包含豐富的難以用常規(guī)數(shù)據(jù)庫屬性描述的信息內(nèi)容，因此要引入新的媒體處理、描述方法和新的處理模塊的支持。其系統(tǒng)結(jié)構(gòu)見圖1所示：

1．多媒體數(shù)據(jù)庫。多媒體數(shù)據(jù)庫中包含原始數(shù)據(jù)庫和元數(shù)據(jù)庫。原始數(shù)據(jù)庫中包含原始的多媒體數(shù)據(jù)，如圖像、視頻和音頻等，它們的媒體結(jié)構(gòu)與元數(shù)據(jù)庫中描述關(guān)聯(lián)，用于可視化表現(xiàn)和存取。元數(shù)據(jù)庫是一種按照挖掘要求組織的多維、多層次、多媒體屬性數(shù)據(jù)庫，支持高效的多媒體數(shù)據(jù)挖掘。

2．預(yù)處理模塊。它是對(duì)多媒體原始數(shù)據(jù)進(jìn)行預(yù)處理，提取有效特征，可以是對(duì)多媒體數(shù)據(jù)的結(jié)構(gòu)化處理，如圖像對(duì)象分割、視頻和音頻對(duì)象分割、視覺和聽覺特征提取、語義關(guān)聯(lián)等，它們以元數(shù)據(jù)的形式記錄在元數(shù)據(jù)庫中。

3．挖掘引擎。其包含一組快速的挖掘算法，如分類、聚類、關(guān)聯(lián)、總結(jié)和摘要、趨勢分析等，系統(tǒng)可以根據(jù)具體的應(yīng)用選擇一個(gè)或多個(gè)相應(yīng)的挖掘算法，對(duì)元數(shù)據(jù)進(jìn)行挖掘。

4．用戶接口。挖掘結(jié)果的可視化和解釋界面，也可以為用戶提供交互接口和擴(kuò)展SQL挖掘語言。由于多媒體的視聽和時(shí)空特性，挖掘出來的模式應(yīng)該以新的表現(xiàn)方式呈現(xiàn)出來，如導(dǎo)航式知識(shí)展開和交互式問題求解過程，以及提供挖掘結(jié)果的可視化接口。

三、多媒體數(shù)據(jù)挖掘過程

多媒體數(shù)據(jù)挖掘要經(jīng)過數(shù)據(jù)準(zhǔn)備、挖掘、結(jié)果表達(dá)和解釋四個(gè)階段。在數(shù)據(jù)準(zhǔn)備階段，多媒體的集成可以增強(qiáng)自動(dòng)預(yù)處理分析的準(zhǔn)確性，解決語義模糊性；在挖掘階段，各種媒體的元數(shù)據(jù)可以互補(bǔ)使用，挖掘出意想不到的合理的信息線索、模式、趨勢或關(guān)系[2]；在結(jié)果表達(dá)和解釋階段，多媒體的同步和互補(bǔ)成形式的知識(shí)可視化和交互接口更直觀、更易于理解。

四、多媒體挖掘技術(shù)

（一）圖像相似搜索

圖像相似搜索主要考慮兩種檢索，一是基于文本的圖像檢索用文本對(duì)圖像進(jìn)行標(biāo)注；二是基于內(nèi)容的圖像檢索用顏色、紋理、形狀等低層可視特征或小波系數(shù)等對(duì)圖像的標(biāo)識(shí)進(jìn)行相似檢索。在基于內(nèi)容檢索系統(tǒng)中，通常有兩種查詢[3]：基于圖像樣本的查詢和基于圖像特征描述的查詢。基于圖像樣本的查詢是把從樣本中提取的特征向量與已經(jīng)提取出并在圖像數(shù)據(jù)庫中已經(jīng)索引過的圖像特征向量相比較，基于這一比較結(jié)果，可以得到與樣本圖像近似的圖像。圖像特征描述查詢是指給出圖像的特征描述，把其轉(zhuǎn)換為特征向量，與數(shù)據(jù)庫中已有的圖像特征向量匹配。

（二）時(shí)序趨勢分析

數(shù)據(jù)挖掘中的趨勢和奇異點(diǎn)分析方法可以用來挖掘視頻的特征、對(duì)象行為、事件隨時(shí)間發(fā)生的模式與趨勢。文獻(xiàn)[4]的挖掘算法簡單而強(qiáng)大，它利用視頻和音頻特征在全局與局部時(shí)窗中的不同分布狀態(tài)，實(shí)現(xiàn)了從狀態(tài)突變中檢測視頻主角、體育精彩鏡頭及異常事件的功能。

（三）多維分析

多媒體數(shù)據(jù)的多維分析可以按傳統(tǒng)的從關(guān)系數(shù)據(jù)庫中構(gòu)造數(shù)據(jù)立方體的方法去設(shè)計(jì)和構(gòu)造出多媒體數(shù)據(jù)立方體。多媒體數(shù)據(jù)立方體的建立有助于多媒體數(shù)據(jù)的多維分析和多種知識(shí)挖掘。

（四）關(guān)聯(lián)規(guī)則挖掘

多媒體數(shù)據(jù)的關(guān)聯(lián)規(guī)則挖掘是在相關(guān)的多媒體對(duì)象集中，找到一組關(guān)聯(lián)規(guī)則，顯示一組對(duì)象或特征的模式或相互關(guān)系的發(fā)生頻率。一個(gè)典型的關(guān)聯(lián)規(guī)則為

X→Y[s%,c%」 （1）

其中，X和Y是一組特征描述的謂詞，s%是規(guī)則的支持度（X，Y共同出現(xiàn)的概率），c%是規(guī)則的可信度（X出現(xiàn)時(shí)Y出現(xiàn)的概率），為說明這個(gè)問題，我們以圖像中關(guān)聯(lián)規(guī)則的挖掘?yàn)槔?/p>

圖像的關(guān)聯(lián)規(guī)則是指圖像對(duì)象或特性之間頻繁出現(xiàn)的模式。設(shè)D為圖像集，那么關(guān)聯(lián)規(guī)則可以表示為：

P1∧P2∧...∧Pn→Q1∧Q2∧...∧Qm(c%) （2）

其中，P1,P2,...,Pn,Q1,Q2, ...,Qm是D中圖像的描述謂詞，可以是圖像的大小、顏色、紋理、密度、對(duì)象、空間位置、文本描述等；c%表示該規(guī)則的可信度，其含義為當(dāng)P1,P2,...,Pn都發(fā)生時(shí)，Q1,Q2,...,Qm也都發(fā)生的概率。

在挖掘過程中，首先建立描述集，如{P1,P2,...,Pn}。對(duì)于每一個(gè)描述，定義一個(gè)支持度來表示該描述在整個(gè)圖像集中出現(xiàn)的概率，記作σ(Pi/D)。描述集的支持度表示集合內(nèi)的所有描述同時(shí)發(fā)生的概率，記作σ(P1∧P2∧...∧Pn/D)。滿足最小值尺度的描述集被稱為頻繁描述集，從頻繁描述集中可以推導(dǎo)出規(guī)則。例如，從頻繁描述集(P1,P2,P3,P4)可以推出規(guī)則：

P1→P2∧P3∧P4 （3）

P1∧P2→P3∧P4 （4）

P1∧P2∧P3 →P4（5）

...

只有滿足最小可信度的規(guī)則才是我們所關(guān)心的規(guī)則，即強(qiáng)關(guān)聯(lián)規(guī)則。規(guī)則的可信度可以用條件概率公式求得，如式（4）表示的第一個(gè)規(guī)則的可信度為：

P(P1|P2∧P3∧P4)=σ(P1∧P2∧P3∧P4)/σ(P1) （6）

圖像的關(guān)聯(lián)規(guī)則的挖掘分兩個(gè)步驟：找出所有的頻繁描述集；從頻繁描述集中推導(dǎo)出關(guān)聯(lián)規(guī)則，并確定強(qiáng)關(guān)聯(lián)規(guī)則。

五、總結(jié)

本文在分析多媒體數(shù)據(jù)挖掘特點(diǎn)的基礎(chǔ)上，闡述了多媒體數(shù)據(jù)挖掘的一般系統(tǒng)結(jié)構(gòu)和挖掘過程，并就挖掘技術(shù)進(jìn)行了討論。有關(guān)多媒體數(shù)據(jù)的內(nèi)容特征算法等還需進(jìn)一步研究。

參考文獻(xiàn)：

[1]Jiawei Han,Micheline Kamber.DataMining:Concept and Techniques[M].Morgan Kaufmann Publishes,Inc.2004.

[2]邵峰晶、于忠清，數(shù)據(jù)挖掘原理與算法[M].北京：中國水利水電出版社，2003.

[3]王凱、渠芳、王輝，利用Web挖掘技術(shù)實(shí)現(xiàn)個(gè)性化推送服務(wù)[J].情報(bào)雜志，2006,(11):86-88.

[4]Radhakrishnan R,xiong Z，etal.Generation of Sports Highlights Using a combination of supervised and Unsupervised techniques in the Audio Domain[C].Singapore:IEEE PCM 2003.