CN101286174A - 一种文件标签的智能提示方法 - Google Patents
一种文件标签的智能提示方法 Download PDFInfo
- Publication number
- CN101286174A CN101286174A CNA2008101061577A CN200810106157A CN101286174A CN 101286174 A CN101286174 A CN 101286174A CN A2008101061577 A CNA2008101061577 A CN A2008101061577A CN 200810106157 A CN200810106157 A CN 200810106157A CN 101286174 A CN101286174 A CN 101286174A
- Authority
- CN
- China
- Prior art keywords
- file
- label
- occurs
- user
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- User Interface Of Digital Computer (AREA)
Abstract
本发明公开了一种文件标签的智能提示方法，属于计算机网络领域。本发明的方法通过利用文件内容的上下文和用户交互的历史数据，对用户进行标签添加时提供智能的提示。与现有技术相比，本发明能够为用户提供更加准确而丰富的标签提示。
Description
技术领域
本发明涉及计算机桌面系统或者网站中，文件标签添加时的提示方法，特别是照片标签添加时的提示方法，属于计算机网络领域。
背景技术
近年来，数字化进程(Cyberization)[1]突飞猛进，具体体现在处理器、存储器、音/视频编码、摄像和显示设备等方面技术的持续高速发展。这些领域的技术进步使得计算机用户可以创造、获得和管理具有越来越大数据量的信息。以数码照片为例，随着数码相机和具有拍照功能的手机的日益普及，家庭数码照片的数量增长迅速。
我们注意到，为照片添加标签是多数软件工具和照片共享网站都提供的功能。现有的软件工具如ACDSee[2]，Microsoft Windows Photo Gallery[3]，Adobe Photoshop Album[4]，Google Picasa[5]，有代表性的照片共享网站Flickr.com[6]都提供为照片添加标签和根据标签检索照片的功能。与此同时，随着照片共享网站的兴起和标注标签用户界面的改进，越来越多的照片都有标签。在照片共享网站兴起之前，虽然很多软件工具也提供为照片添加标签的功能，但用户的积极性并不高[7]，Ames等[8]的调查表明，与他人共享照片，成为用户愿意为照片添加标签的重要原因。标签作为Web2.0的主要特点之一，将会越来越为用户所接受。
近年来，有大量的研究工作集中在为用户添加标签提供帮助。这些研究工作主要可以分为两类，分别是照片分类[9-11]，以及标签的自动添加或者提示[12-14]。其中，许多照片分类的工作都试图将照片按照事件分类，这是因为“事件”被认为是用户记忆家庭照片的重要线索。为了达到这一目的，除了采用图像分析的方法提取底层特征，还考虑照片的时间[9]、地点[10]以及拍摄参数[11]等元数据。与照片分类不同，标签的自动添加或提示是在用户的添加动作发生时，给用户提供若干的标签备选项，让用户从中选择以完成添加。本发明中的方法也属于这一类。这方面的前人工作主要集中在提示照片的人物标签，通常要利用人脸、衣服纹理等模式识别的算法[12][13]。但是模式识别算法具有局限性，比如当人脸不是正面，或者衣服纹理不明显时，这些算法可能失效。为了克服这个不足，在[14]中，作者提出可以利用照片内容的上下文来加强标签预测的精度，并给出了完全基于该上下文的照片人物标签的提示算法。其中，照片内容的上下文包括照片的拍摄时间、地点，以及照片已有的人物标签等。
我们注意到，除了文件内容的上下文之外，用户与系统交互历史也包含了用户对文件丰富的记忆线索[15]。Karl等人[16]通过记录用户操作文件时的上下文，构建一个基于任务(task-based)的文件分类，来帮助用户检索文件。操作文件时的上下文包括用户的操作历史、之前一段时间内打开的文件、之后一段时间内打开的文件等等。无疑，这些交互历史数据对用户添加标签也是有提示功能的，但是前人工作中很少涉及。
另外，本发明主要讨论的是对一般文件添加标签的提示方法，其与对照片添加标签的提示方法存在以下联系和区别：一、照片是一般文件的一种具体形式，一般文件也具有与内容相关的上下文，因此利用上下文进行预测的方法，对一般文件也适用。二、对照片的图像内容进行分析的方法，对一般文件不适用。因为一般文件可能不具有图像内容。
综上，前人工作的局限性主要体现在以下三个方面：一、讨论的范围仅仅局限于照片，没有提出对一般文件的标签提示算法；二、仅仅局限于对人物标签的提示，没有将该方法推广至对一般标签的提示；三、没有对用户交互的历史数据进行充分挖掘，为用户提供更丰富的添加线索。
发明内容
本发明的目的是针对上面提到的三个局限性，提出一种文件标签的智能提示方法。该方法不仅利用文件内容的上下文，而且利用用户交互的历史数据，对用户进行标签提示(不局限于人物标签)。
本发明通过提取文件内容的上下文，分析用户和操作系统的交互历史，智能的产生一系列的标签备选项，作为对用户添加标签的提示。
文件内容的上下文，主要是与文件内容相关的属性。对照片而言，主要包括照片拍摄的时间、地点等。
用户交互的历史数据，主要包括当前文件的创建时间、最近修改时间等。
本发明中方法的基本思想是：
对从未添加过标签的文件：找出与其具有相同或相近内容上下文的文件，统计这些文件中标签出现的频率，频率越高的标签，在当前文件中出现的可能性也越大。找出交互历史中操作时间与当前文件相同或相近的其他文件，统计这些文件中标签出现的频率，频率越高的标签，在当前文件中出现的可能性也越大。
对已经有若干标签的文件：找出与其具有相同或相近内容上下文的文件，统计这些文件中的标签与当前文件中的标签同时出现的频率，频率越高的标签，在当前文件中出现的可能性也越大。找出交互历史中操作时间与当前文件相同或相近的其他文件，统计这些文件中标签与当前文件中标签同时出现的频率，频率越高的标签，在当前文件中出现的可能性也越大。
本发明的技术方案为：
一种文件标签的智能提示方法，针对未添加过标签的文件，其步骤为：
1)从文件上下文中提取一参考元素值；
2)根据参考元素值设定一取值范围；
3)提取参考元素值在该取值范围内的文件，得到文件集Pμ′及其对应的标签集Tμ′；
4)统计标签集Tμ′中各元素在文件集Pμ′中出现的次数N1；
5)从用户交互历史数据中提取一参考数据值；
6)根据该参考数据值设定一取值范围；
7)提取参考数据值在该取值范围内的文件，得到文件集Q及其对应的标签集T′；
8)统计标签集T′中各元素在文件集Q中出现的次数N2；
9)根据各个标签元素出现的次数N1和N2对标签进行排序，提示用户选择标签。
所述参考元素包括但不仅限于下列元素的一种或几种：时间、地点。
所述参考数据包括但不仅限于下列数据的一种或几种：创建时间、最近修改时间。
所述对标签进行排序的方法为：
1)将所述标签集Tμ′和T′合并，记为标签集Tr；
2)从Tr中的任一标签元素t，其在所述文件集Pμ′中出现的次数记为n1，在所述文件集Q中出现的次数记为n2；
3)根据公式p＝βn1+νn2计算该标签元素在当前文件中出现的可能性值，其中β为对所述Tμ′中标签的权值，ν为对所述Q中标签的权值；
4)将可能性值排名靠前的m个标签，作为结果返回给用户。
所述权值β、ν和所述取值范围由系统设定或由用户设定。
一种文件标签的智能提示方法，针对已添加过标签的文件，其步骤为：
1)从文件上下文中提取一参考元素值；
2)根据参考元素值设定一取值范围；
3)提取参考元素值在该取值范围内的文件，得到文件集Pμ′及其对应的标签集Tμ′；
4)统计Tμ′-Tknown中各元素与Tknown中各元素在文件集Pμ′的文件中同时出现的次数N1，
其中Tknown为所有已添加过标签文件的标签集；
5)从用户交互历史数据中提取一参考数据值；
6)根据该参考数据值设定一取值范围；
7)提取参考数据值在该取值范围内的文件，得到文件集Q及其对应的标签集T′；
8)统计Tμ′-Tknown中各元素与Tknown中各元素在文件集Pμ′的文件中同时出现的次数N2；
9)根据各个标签元素出现的次数N1和N2对标签进行排序，提示用户选择标签。
所述参考元素包括但不仅限于下列元素的一种或几种：时间、地点。
所述参考数据包括但不仅限于下列数据的一种或几种：创建时间、最近修改时间。
所述对标签进行排序的方法为：
1)将所述标签集Tμ′-Tknown和标签集T′-Tknown合并，记为标签集Tr；
2)从Tr中的任一标签元素t，其在所述文件集Pμ′中出现的次数记为n1，在所述文件集Q中出现的次数记为n2；
3)根据公式p＝βn1+νn2计算该标签元素在当前文件中出现的可能性值，其中β为对所述Tμ′中标签的权值，ν为对所述Q中标签的权值；
4)将可能性值排名靠前的m个标签，作为结果返回给用户。
所述权值β、ν和所述取值范围由系统设定或由用户设定。
本发明的积极效果为：
本发明能够对用户进行有效的标签提示，帮助用户为文件添加标签。与现有技术相比，本发明的主要不同之处在于同时考虑了用户的交互历史和文件内容的上下文，从而为用户提供了更加准确而丰富的标签提示。
附图说明
图1本发明的主体流程图；
图2示出了对还没有标上任何标签的文件，进行标签添加提示的算法流程；
图3示出了对已经标有若干标签的文件，进行标签添加提示的算法流程。
具体实施方式
下面将详细介绍本发明所采用的标签添加提示方法。对于已经有若干标签的文件和从未添加过标签的文件，我们将分开讨论。方法主要可以分成以下三个步骤：一、分析处理文件内容的上下文；二、分析处理用户交互的历史数据；三、综合前两步的结果，给出提示标签。其中第一、二两个步骤可以并行进行，如图1所示。
下面给出详细的介绍。
已知文件集合记为P，其对应的标签集记为T，其中的文件数目为n。，其中文件集合P中的文件pi(1＜i＜k，k＜n)为已经添加好标签，还有n-k个文件没有标上任何标签。标签集T为P中所有文件所含有的标签所组成的集合。下面仅以照片的内容上下文为例来说明本发明所采用的方法。对于数码相机拍摄的照片，其拍摄时间可以从照片文件中直接提取(有的数码相机还提供拍摄地点信息)。由此，得到文件集P对应的拍摄时间集合，即以P中所有照片的拍摄时间为元素的集合，记为U。如果相机能够提供拍摄地点的信息，那么可以将下文中的拍摄时间参数替换为地点参数，进行完全类似的处理。
对一张还没有标上任何标签的照片pj(j＜n)，其标签提示算法流程如图2所示。分析处理文件内容的上下文的步骤如下：首先，得到其拍摄时间μ，之后遍历时间集合U，找到拍摄时间μ′，使μ-μ′＜ω，其中ω为时间阈值；然后，找到所有于时间μ′拍摄的照片，记为照片集Pμ′，其对应的标签集记为Tμ′；最后，统计Tμ′中各元素在Pμ′所有照片中出现的次数。
分析处理用户交互历史数据的步骤如下：首先，得到用户最近l次的打开该文件的时间，这些时间点组成的集合记为R；然后，对R中的每个元素α，找出(α-σ，α+σ)时间段内用户打开的所有其他文件，这些文件所组成的集合记为Q，其对应的标签集记为T′；最后，统计T′中各元素在Q中所有文件中出现的次数。
在分析处理完上下文和交互历史数据之后，得到标签集Tμ′和T′，并且知道其中各元素在各自对应的文件集合中出现的次数。接下来需要从这两个标签集合中选出一些标签，作为提示选项，返回给用户。下面介绍一种筛选方法。首先对标签集Tμ′和T′求并集，记为Tr。对Tr中的任一元素t，假设其在Pμ′中出现的次数为n1，在Q中出现的次数为n2，则其在当前文件中出现的可能性值p＝βn1+νn2，其中β为对Tμ′中标签的权值，ν为对Q中标签的权值。最后，将可能性值排名靠前的m个标签，作为结果返回给用户。
在上述处理过程中，时间阈值ω、文件最近打开次数l、时间跨度σ、权值β、权值ν以及返回给用户的标签个数m，这些参数既可以由系统预设，也可以在后端实时的对用户的偏好进行学习，根据用户的反馈不断的进行调整。
对已经标有若干标签的照片pi(i＜n)，设已有的标签集合为Tknown，其标签提示算法流程如图3所示。分析处理文件内容的上下文的步骤如下：首先，得到其拍摄时间μ，之后遍历时间集合U，找到拍摄时间μ′，使μ-μ′＜ω，其中ω为时间阈值；然后，找到所有于时间μ′拍摄的照片，记为照片集Pμ′，其对应的标签集记为Tμ′；最后，统计Tμ′-Tknown中各元素与Tknown中的元素在Pμ′的照片中同时出现的次数，统计方法如下：对于Tμ′-Tknown中每个元素t，遍历集合Pμ′，统计t与Tknown中元素在Pμ′的所有照片中同时出现的次数n1。
分析处理用户交互历史数据的步骤如下：首先，得到用户最近l次的打开该文件的时间，这些时间点组成的集合记为R；然后，对R中的每个元素α，找出(α-σ，α+σ)时间段内用户打开的所有其他文件，这些文件所组成的集合记为Q，其对应的标签集记为T′；最后，统计T′-Tknown中各元素与Tknown中的元素在Q的文件中同时出现的次数，统计方法如下：对于T′-Tknown中每个元素t，遍历集合Q，统计t与Tknown中元素在Q的所有文件中同时出现的次数n2。
在分析处理完上下文和交互历史数据之后，得到标签集Tμ′-Tknown和T′-Tknown，并且知道其中各元素与Tknown中元素在对应的文件集合中出现的次数。接下来需要从这两个标签集合中选出一些标签，作为提示选项，返回给用户。下面介绍一种筛选方法。首先对标签集Tμ′-Tknown和T′-Tknown求并集，记为Tr。对Tr中的任一元素t，已知其对应的n1与n2，则其在当前文件中出现的可能性值p＝βn1+νn2，其中β为对Tμ′-Tknown中标签的权值，ν为对T′-Tknown中标签的权值。最后，将可能性值排名靠前的m个标签，作为结果返回给用户。
在上述处理过程中，时间阈值ω、文件最近打开次数l、时间跨度σ、权值β、权值ν以及返回给用户的标签个数m，这些参数既可以由系统预设，也可以在后端实时的对用户的偏好进行学习，根据用户的反馈不断的进行调整。
上面给出了对于已经有若干标签的文件和从未添加过标签的文件，进行标签添加提示的算法。可以看到该方法通过提取文件内容的上下文，分析用户和操作系统的交互历史，计算标签在当前文件中出现的可能性值，将可能性值排名靠前的标签作为提示选项，返回给用户。并且可以通过后端的机器学习算法对方法中各参数进行动态调整。
在上文中我们给出了文件标签智能提示算法的流程，给出了详尽的具体实施方案，且均可通过软件编程的方式实现，软件编程对于本领域普通技术人员而言无需创造性劳动便可实现。
参考文献
[1]G.Bell，The Cyber All Project：A Personal Store for Everything，MicrosoftResearch Technical Report MSR-2000-75，July 2000.
[2]ACDSee.http://www.acdsee.com
[3]Microsoft Windows Photo Gallery.
http://www.microsoft.com/windows/products/windowsvista/seeit/sharephotos/default.mspx
[4]Adobe Photoshop Album.http://www.adobe.com/products/photoshopalbum
[5]Google Picasa.http://picasa.google.com
[6]Flickr.com.http://www.flickr.com
[7]K.Rodden and K.R.Wood，How Do People Manage Their Digital Photographs，CHI’2003.
[8]M.Ames and M.Naaman，Why We Tag：Motivations for Annotation in Mobile andOnline Media，CHI’2007.
[9]M.Cooper，J.Foote，A.Girgensohn and L.Wilcox，Temporal Event Clusteringfor Digital Photo Collections，ACM Transactions on Multimedia Computing，Communications and Applications，Vol.1，No.3，Pages 269-288，August 2005.
[10]M.Naaman，Y.J.Song，A.Paepcke and H.G-Molina，Automatic Organization forDigital Photographs with Geographic Coordinates，JCDL’04.
[11]T.Mei，B.Wang，X-S.Hua，H-Q Zhou and S.Li，Probabilistic MultimodalityFusion for Event Based Home Photo Clustering，ICME’2006.
[12]J.Cui，F.Wen，R.Xiao，Y.Tian and X.Tang，EasyAlbum：An Interactive PhotoAnnotation System Based on Face Clustering and Re-ranking，CHI’2007.
[13]S.Yang and Y.M.Ro，Photo Indexing Using Person-based Multi-feature Fusionwith Temporal Context，International Conference on Mobile Ubiquitous Computing，Systems，Services and Technologies，2007.
[14]M.Naaman，R.B.Yeh，H.G-Molina and A.Paepcke，Leveraging Context to ResolveIdentity in Photo Albums，JCDL’05.
[15]T.Blanc-Brude and D.L.Scapin.What Do People Recall about Their Documents？Implications for Desktop Search Tools，IUI’07，pages 102-111，New York，NY，USA，2007.
[16]K.Gyllstrom and C.Soules.Seeing Is Retrieving：Building Information Contextfrom What The User Sees，IUI’08，pages 189-198，Maspalomas，Gran Canaria，Spain，2008.
Claims (10)
1.一种文件标签的智能提示方法，针对未添加过标签的文件，其步骤为：
1)从文件上下文中提取一参考元素值；
2)根据参考元素值设定一取值范围；
3)提取参考元素值在该取值范围内的文件，得到文件集Pμ′及其对应的标签集Tμ′；
4)统计标签集Tμ′中各元素在文件集Pμ′中出现的次数N1；
5)从用户交互历史数据中提取一参考数据值；
6)根据该参考数据值设定一取值范围；
7)提取参考数据值在该取值范围内的文件，得到文件集Q及其对应的标签集T′；
8)统计标签集T′中各元素在文件集Q中出现的次数N2；
9)根据各个标签元素出现的次数N1和N2对标签进行排序，提示用户选择标签。
2.如权利要求1所述的方法，其特征在于所述参考元素包括但不仅限于下列元素的一种或几种：时间、地点。
3.如权利要求1所述的方法，其特征在于所述参考数据包括但不仅限于下列数据的一种或几种：创建时间、最近修改时间。
4.如权利要求1所述的方法，其特征在于所述对标签进行排序的方法为：
1)将所述标签集Tμ′和T′合并，记为标签集Tr；
2)从Tr中的任一标签元素t，其在所述文件集Pμ′中出现的次数记为n1，在所述文件集Q中出现的次数记为n2；
3)根据公式p＝βn1+νn2计算该标签元素在当前文件中出现的可能性值，其中β为对所述Tμ′中标签的权值，ν为对所述Q中标签的权值；
4)将可能性值排名靠前的m个标签，作为结果返回给用户。
5.如权利要求4所述的方法，其特征在于所述权值β、ν和所述取值范围由系统设定或由用户设定。
6.一种文件标签的智能提示方法，针对已添加过标签的文件，其步骤为：
1)从文件上下文中提取一参考元素值；
2)根据参考元素值设定一取值范围；
3)提取参考元素值在该取值范围内的文件，得到文件集Pμ′及其对应的标签集Tμ′；
4)统计Tμ′-Tknown中各元素与Tknown中各元素在文件集Pμ′的文件中同时出现的次数N1，
其中Tknown为所有已添加过标签文件的标签集；
5)从用户交互历史数据中提取一参考数据值；
6)根据该参考数据值设定一取值范围；
7)提取参考数据值在该取值范围内的文件，得到文件集Q及其对应的标签集T′；
8)统计Tμ′-Tknown中各元素与Tknown中各元素在文件集Pμ′的文件中同时出现的次数N2；
9)根据各个标签元素出现的次数N1和N2对标签进行排序，提示用户选择标签。
7.如权利要求6所述的方法，其特征在于所述参考元素包括但不仅限于下列元素的一种或几种：时间、地点。
8.如权利要求6所述的方法，其特征在于所述参考数据包括但不仅限于下列数据的一种或几种：创建时间、最近修改时间。
9.如权利要求6所述的方法，其特征在于所述对标签进行排序的方法为：
1)将所述标签集Tμ′-Tknown和标签集T′-Tknown合并，记为标签集Tr；
2)从Tr中的任一标签元素t，其在所述文件集Pμ′中出现的次数记为n1，在所述文件集Q中出现的次数记为n2；
3)根据公式p＝βn1+νn2计算该标签元素在当前文件中出现的可能性值，其中β为对所述Tμ′中标签的权值，ν为对所述Q中标签的权值；
4)将可能性值排名靠前的m个标签，作为结果返回给用户。
10.如权利要求9所述的方法，其特征在于所述权值β、ν和所述取值范围由系统设定或由用户设定。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CNB2008101061577A CN100573532C (zh) | 2008-05-09 | 2008-05-09 | 一种文件标签的智能提示方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CNB2008101061577A CN100573532C (zh) | 2008-05-09 | 2008-05-09 | 一种文件标签的智能提示方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN101286174A true CN101286174A (zh) | 2008-10-15 |
| CN100573532C CN100573532C (zh) | 2009-12-23 |
Family
ID=40058377
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CNB2008101061577A Expired - Fee Related CN100573532C (zh) | 2008-05-09 | 2008-05-09 | 一种文件标签的智能提示方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN100573532C (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102238268A (zh) * | 2010-04-30 | 2011-11-09 | 腾讯科技（深圳）有限公司 | 一种信息提示方法及装置 |
| CN102262638A (zh) * | 2010-05-31 | 2011-11-30 | 国际商业机器公司 | 图片标引的方法和装置 |
| CN102279887A (zh) * | 2011-08-18 | 2011-12-14 | 北京百度网讯科技有限公司 | 一种文档分类方法、装置及系统 |
| CN102880687A (zh) * | 2012-09-14 | 2013-01-16 | 北京大学 | 基于标签技术的个人交互数据检索方法及其系统 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FI116547B (fi) * | 2003-09-04 | 2005-12-15 | Nokia Corp | Menetelmä ja laitteisto matkaviestimeen tallennettavien kuvien nimeämiseksi |
| CN1746884A (zh) * | 2004-09-06 | 2006-03-15 | 英保达股份有限公司 | 数字影像文件自动命名方法及系统 |
-
2008
- 2008-05-09 CN CNB2008101061577A patent/CN100573532C/zh not_active Expired - Fee Related
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102238268A (zh) * | 2010-04-30 | 2011-11-09 | 腾讯科技（深圳）有限公司 | 一种信息提示方法及装置 |
| US8375101B2 (en) | 2010-04-30 | 2013-02-12 | Tencent Technology (Shenzhen) Company Limited | Method and device for message prompting |
| CN102238268B (zh) * | 2010-04-30 | 2013-10-30 | 腾讯科技（深圳）有限公司 | 一种信息提示方法及装置 |
| CN102262638A (zh) * | 2010-05-31 | 2011-11-30 | 国际商业机器公司 | 图片标引的方法和装置 |
| CN102279887A (zh) * | 2011-08-18 | 2011-12-14 | 北京百度网讯科技有限公司 | 一种文档分类方法、装置及系统 |
| CN102279887B (zh) * | 2011-08-18 | 2016-06-01 | 北京百度网讯科技有限公司 | 一种文档分类方法、装置及系统 |
| CN102880687A (zh) * | 2012-09-14 | 2013-01-16 | 北京大学 | 基于标签技术的个人交互数据检索方法及其系统 |
| CN102880687B (zh) * | 2012-09-14 | 2015-07-29 | 北京大学 | 基于标签技术的个人交互数据检索方法及其系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN100573532C (zh) | 2009-12-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109189991B (zh) | 重复视频识别方法、装置、终端及计算机可读存储介质 | |
| US8027541B2 (en) | Image organization based on image content | |
| Memon et al. | GEO matching regions: multiple regions of interests using content based image retrieval based on relative locations | |
| US9798741B2 (en) | Interactive image selection method | |
| US20120114257A1 (en) | Interactive image selection method | |
| EP3005055B1 (en) | Apparatus and method for representing and manipulating metadata | |
| CN101305390A (zh) | 媒体对象元数据关联和排名 | |
| Rudinac et al. | Learning crowdsourced user preferences for visual summarization of image collections | |
| CN102508923A (zh) | 基于自动分类和关键字标注的自动视频注释方法 | |
| JP2008123486A (ja) | デジタルメディアで１つまたは複数の概念を検出する方法、システム及びプログラム | |
| JP4878591B2 (ja) | コンテンツ検索装置、コンテンツ検索方法、プログラムおよび記録媒体 | |
| CN100573532C (zh) | 一种文件标签的智能提示方法 | |
| US9201900B2 (en) | Related image searching method and user interface controlling method | |
| CN100462978C (zh) | 一种图像检索方法及系统 | |
| Gornale et al. | Analysis and detection of content based video retrieval | |
| CN101286175B (zh) | 一种基于标签的文件呈现方法及其系统 | |
| Nguyen et al. | Social tagging analytics for processing unlabeled resources: A case study on non-geotagged photos | |
| Firmino et al. | Automatic and semi-automatic annotation of people in photography using shared events | |
| Wang et al. | An efficient refinement algorithm for multi-label image annotation with correlation model | |
| Chatzilari et al. | Leveraging social media for scalable object detection | |
| Sun et al. | Photo 4W: Mobile photo management on what, where, who and when | |
| Rabbath et al. | Multimedia retrieval in social networks for photo book creation | |
| Chu et al. | Travelmedia: An intelligent management system for media captured in travel | |
| Namala et al. | Efficient feature based video retrieval and indexing using pattern change with invariance algorithm | |
| CN108140033A (zh) | 用于数字内容的偏置拖拽器 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20091223 Termination date: 20170509 |