Gom cụm kết quả tìm kiếm video với hướng tiếp cận kết hợp đa đặc trưng

  • Nguyễn Quang Phúc University of Information Technology - VNU HCMC, Vietnam


This paper aims to extend our previous researches on clustering web video search results, which reported in [1, 2, 3]. To search videos, users usually use online video search systems such as YouTube, Google Video. However, the returned search results of these systems may include many videos of different categories, and as a result, users find it difficult to locate video clips of interest. Therefore, clustering web video search results is necessary in order to improve the efficiency of searching. The main idea of paper based on analysing and combining the features extracted from video to find the set of appropriate features to improve the quality of video clusters.


NGUYỄN QUANG PHÚC, NGUYỄN HOÀNG TÚ ANH, NGÔ ĐỨC THÀNH, LÊ ĐÌNH DUY, “Gom cụm dữ liệu web video theo hướng tiếp cận early fusion cho đặc trưng văn bản”, Kỷ yếu Hội nghị Khoa học Quốc gia lần thứ 7 về Nghiên cứu cơ bản & ứng dụng Công nghệ thông tin (FAIR), tr. 145-152, 2014.

PHUC QUANG NGUYEN, ANH-THU NGUYEN-THI, THANH DUC NGO, TU-ANH HOANG NGUYEN, “Using Textual Semantic Similarity to Improve Clustering Quality of Web Video Search Results”, Proceedings of the 7th International Con-ference on Knowledge and Systems Engineering (KSE), pp. 156-161, 2015.

NGUYỄN QUANG PHÚC, NGUYỄN THỊ ANH THƯ, NGÔ ĐỨC THÀNH, LÊ ĐÌNH DUY, NGUYỄN HOÀNG TÚ ANH, “Nâng cao chất lượng gom cụm kết quả tìm kiếm video sử dụng kết hợp đặc trưng âm thanh, đặc trưng thị giác và thông tin văn bản”, Kỷ yếu Hội thảo Quốc gia về Điện tử, Truyền thông và Công nghệ thông tin (REV-ECIT), tr. 130-135, 2015.

S. LIU, M. ZHU, Q. ZHENG, “Mining similarities for clustering web video clips”, CSSE (4), pp. 759-762, 2008.

A. HINDLE, J. SHAO, D. LIN, J. LU, R. ZHANG, “Clustering Web Video Search Results Based on Integration of Multiple Features”, WWW, pp. 53-73, 2011.

H. HUANG, Y. LU, F. ZHANG, S. SUN, “A Multi-modal Clustering Method for Web Videos”, Trustworthy Computing and Services, pp. 163-169, 2013.

D. G. LOWE, “Distinctive Image Features from Scale-Invariant Keypoints”, International Journal of Computer Vision, 60(2), pp. 91-110, 2004.

D. G. LOWE, “Object Recognition from Local Scale-Invariant Features”, International Conference on Computer Vision, vol. 2, pp. 1150-1157, 1999.

U. SRINIVASAN, S. PFEIFFER, S. NEPAL, M. LEE, L. GU, S. BARRASS, “A Survey of Mpeg-1 Audio, Video and Semantic Analysis Techniques”, Multimedia Tools and Applications, 27(1), pp. 105-141, 2005.

Y. H. LI, Z. BANDAR, D. MCLEAN, “An approach for measuring semantic similarity using multiple infor-mation sources”, IEEE Transactions on Knowledge and Data Engineering, 15(4), pp. 871-882, 2003.

Bài báo