Εφαρμογή αλγορίθμων μηχανικής εκμάθησης για εξόρυξη και κατηγοριοποίηση πληροφοριών περιεχομένου στα οπτικοακουστικά μέσα

Περίληψη

Η παρούσα διδακτορική διατριβή στοχεύει στη σύνθεση και ανάπτυξη σχημάτων ταξινόμησης πολυμεσικού περιεχομένου που προέρχεται από ραδιοφωνικές και τηλεοπτικές παραγωγές και μεταδόσεις, μέσω αλγοριθμικών τεχνικών εξόρυξης γνώσης και μηχανικής μάθησης. Ειδικότερα, δομούνται και προτείνονται διαδικασίες κατηγοριοποίησης ψηφιακού οπτικοακουστικού υλικού στα πλαίσια ραδιοτηλεοπτικής σημασιολογικής ανάλυσης και επεξεργασίας, αποσκοπώντας στη λειτουργική και εύχρηστη διαχείριση και ανάκτηση της πληροφορίας. Οι μέθοδοι που αναπτύσσονται και παρουσιάζονται, κατά κύριο λόγο βασίζονται στην εξόρυξη και αξιολόγηση ποικίλων ηχητικών και οπτικών παραμέτρων, έτσι ώστε να διερευνηθεί πολύπλευρα η πολυτροπική απόδοση του περιεχομένου. Ταυτόχρονα, αναζητούνται η συμβολή και η επιμέρους συνεισφορά της ηχητικής και οπτικής διάστασης που εμπεριέχεται στα ραδιοτηλεοπτικά σήματα. Στο πλαίσιο αυτό, χρησιμοποιήθηκαν εξειδικευμένες μέθοδοι αξιολόγησης και κατάταξης των προσδιοριζόμενων χαρακτηριστικών εισόδου, ...
περισσότερα

Περίληψη σε άλλη γλώσσα

This thesis aims on the design and development of various classification schemes for multimedia content, deriving from radio and TV productions, while implementing differentiated data mining and machine learning techniques. More specifically, several taxonomy modules for digital audiovisual material are investigated, tested and proposed, in the context of TV and radio semantic analysis and processing, while targeting the functional content management and information retrieval. The methods that are being developed and presented, rely mainly on the extraction and evaluation of various audio and visual properties. Furthermore, the partial contribution of the contained audio and visual modalities of TV and radio signals is also being investigated. For these reasons, several specialized evaluation and ranking methods were utilized for the saliency detection of the extracted input properties, and moreover, various pattern recognition methods were employed for the development of efficient cla ...
περισσότερα

Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.

DOI
10.12681/eadd/35580
Διεύθυνση Handle
http://hdl.handle.net/10442/hedi/35580
ND
35580
Εναλλακτικός τίτλος
Application of machine learning algorithms for extracting and classifying content information
Συγγραφέας
Κωτσάκης, Ρήγας (Πατρώνυμο: Γεώργιος)
Ημερομηνία
2015
Ίδρυμα
Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης (ΑΠΘ). Τμήμα Δημοσιογραφίας και Μέσων Μαζικής Επικοινωνίας
Εξεταστική επιτροπή
Καλλίρης Γεώργιος
Βέγλης Ανδρέας
Πασχαλίδης Γρηγόρης
Δημούλας Χαράλαμπος
Παπανικολάου Γεώργιος
Μουρτζόπουλος Ιωάννης
Φλώρος Ανδρέας
Επιστημονικό πεδίο
Φυσικές ΕπιστήμεςΕπιστήμη Ηλεκτρονικών Υπολογιστών και Πληροφορική
Επιστήμες Μηχανικού και ΤεχνολογίαΕπιστήμη Ηλεκτρολόγου Μηχανικού, Ηλεκτρονικού Μηχανικού, Μηχανικού Η/Υ
Κοινωνικές ΕπιστήμεςΕκπαίδευση
Κοινωνικές ΕπιστήμεςΜΜΕ και Επικοινωνίες
Λέξεις-κλειδιά
Αλγόριθμοι αναγνώρισης προτύπων; Διαχείριση οπτικοασκουστικού περιεχομένου; Αναγνώριση σημασιολογικών οντοτήτων; Διαχείριση εκπαιδευτικού περιεχομένου; Επεξεργασία σήματος
Χώρα
Ελλάδα
Γλώσσα
Ελληνικά
Άλλα στοιχεία
280 σ., πιν., σχημ., γραφ.
Στατιστικά χρήσης
ΠΡΟΒΟΛΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
ΞΕΦΥΛΛΙΣΜΑΤΑ
Αφορά στο άνοιγμα του online αναγνώστη για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
ΜΕΤΑΦΟΡΤΩΣΕΙΣ
Αφορά στο σύνολο των μεταφορτώσων του αρχείου της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
ΧΡΗΣΤΕΣ
Αφορά στους συνδεδεμένους στο σύστημα χρήστες οι οποίοι έχουν αλληλεπιδράσει με τη διδακτορική διατριβή. Ως επί το πλείστον, αφορά τις μεταφορτώσεις.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
Σχετικές εγγραφές (με βάση τις επισκέψεις των χρηστών)