Experiments with Segmentation Strategies for Passage Retrieval in Audio-Visual Documents

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F14%3A10289371" target="_blank" >RIV/00216208:11320/14:10289371 - isvavai.cz</a>

Výsledek na webu

<a href="http://dl.acm.org/citation.cfm?doid=2578726.2578753" target="_blank" >http://dl.acm.org/citation.cfm?doid=2578726.2578753</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1145/2578726.2578753" target="_blank" >10.1145/2578726.2578753</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Experiments with Segmentation Strategies for Passage Retrieval in Audio-Visual Documents

Popis výsledku v původním jazyce

This paper deals with Information Retrieval from audio-visual recordings. Such recordings are often quite long and users may want to find the exact starting points of relevant passages they search for. In Passage Retrieval, the recordings are automatically segmented into smaller parts, on which the standard retrieval techniques are applied. In this paper, we discuss various techniques for segmentation of audio-visual recordings and focus on machine learning approaches which decide on segment boundariesbased on various features combined in a decision-tree model. Our experiments are carried out on the data used for the Search and Hyperlinking Task and Similar Segments in Social Speech Task of the MediaEval Benchmark 2013.

Název v anglickém jazyce

Experiments with Segmentation Strategies for Passage Retrieval in Audio-Visual Documents

Popis výsledku anglicky

This paper deals with Information Retrieval from audio-visual recordings. Such recordings are often quite long and users may want to find the exact starting points of relevant passages they search for. In Passage Retrieval, the recordings are automatically segmented into smaller parts, on which the standard retrieval techniques are applied. In this paper, we discuss various techniques for segmentation of audio-visual recordings and focus on machine learning approaches which decide on segment boundariesbased on various features combined in a decision-tree model. Our experiments are carried out on the data used for the Search and Hyperlinking Task and Similar Segments in Social Speech Task of the MediaEval Benchmark 2013.

Druh

D - Stať ve sborníku

CEP obor

IN - Informatika

OECD FORD obor

—

Projekt

Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

Návaznosti

S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2014

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

ICMR '14 Proceedings of International Conference on Multimedia Retrieval

ISBN

978-1-4503-2782-4

ISSN

—

e-ISSN

—

Počet stran výsledku

9

Strana od-do

217-225

Název nakladatele

ACM

Místo vydání

New York, NY, USA

Místo konání akce

Glasgow, UK

Datum konání akce

1. 4. 2014

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—