面向互联网的跨媒体挖掘与搜索引擎

庄越挺等
（国家自然科学基金重大研究计划重点支持项目，90920303，2010.1-2013.12）

　　互联网上多维、高阶和海量的文本、图像和视频等数据存在着十分广泛、错综复杂的交叉关联，具有跨媒体特性。分析与挖掘互联网网页、不同类型多媒体数据和用户交互信息之间所存在的交叉关联是下一代搜索引擎迫切需要解决的核心问题。
　　本项目的总体研究目标是探索互联网上海量、复杂、高维和多阶的跨媒体信息语义理解与检索理论框架和计算模型，并且面向下一代互联网搜索引擎应用需求，研究和探讨自然语言理解、图像与视频分析及跨媒体数据挖掘等相关理论结合的算法机理和技术方案，在跨媒体关联提取与表达、互联网知识挖掘和海量信息高效处理等研究方面取得突破。
　　本项目将重点研究如下内容：研究用户以自然语言形式所表达的检索意图和以跨媒体样例形式所表达的检索意图的理解机制；研究有效的网络文本、图像与视频内容挖掘方法和有效的网页分析技术；研究跨媒体信息挖掘与知识获取的理论模型和方法；研究跨媒体数据存取与知识表达的索引方法；研究精度高、速度快和鲁棒性强的垂直搜索引擎算法；对研究成果进行有机集成，研发面向旅游行业的跨媒体搜索引擎。