3.1. Media annotation and indexingT

3.1. Media annotation and indexing
Text indexing and annotation is performed by services that provide: ) language classification, based on n-grams
and Naïve Bayes classifiers that despite the simplicity have shown to work effectively also on short fragments39; )
topic detection based on LDA; ) named entity extraction based on gazetteers and a rule-based system, to handle
entities that have not been added yet to lists. Topic detection and named entity identification can be used also with
the outcomes of speech transcription services.
Speech and audio indexing and analysis tools provide services for: ) audio segmentation25 that separates audio
streams into six separate components: four for classification (speech/non-speech, gender, background and speaker identification), one for speaker clustering and one for acoustic change detection. These components are mostly
model-based, making extensive used of feed-forward fully connected Multi-Layer Perceptrons trained with backpropagation;) audio language identification, based on Abad, that identifies the most spoken languages across
the European Union, using SVMs for the phonotactic system and an I-vector based acoustic sub-system; ) an
audio event module that recognizes sound concepts, using a combination of MFCC, ZCR and MPEG features to
feed SVM classifiers;) audio transcriptions, an engine that uses an hybrid approach combining the temporal
modelling capabilities of Hidden Markov Models with the pattern discriminative classification capabilities of MultiLayer
Perceptrons, and works with English, Spanish, Portuguese and German.
Visual annotation and indexing deal with images and videos at syntactic and semantic levels. Similarity-based
retrieval deals with images and video keyframes, using a combination of MPEG global features (in particular have
been used Scalable Color, Color Layout and Edge Histogram descriptors to capture different visual aspects with
compact and low computational cost descriptors7
) and SIFT descriptors, indexed using approximate similarity
searching based on inverted files2
for scalability. Semantic annotation is obtained using a BoW-based approach,
following the success of this approach for scene and object recognition19,28,37, with a model selection step to select
the best combination of interest point detectors/descriptors (e.g. SIFT, SURF and MSER) for each concept classifier,
and using the Pyramid Match Kernel kernel20, that is robust to clutter and outliers, and is efficient thanks to its linear
time complexity in matching. Classifiers can be trained with a specific service, that exploits social media as training
source

ผลลัพธ์ (ไทย) 1:

3.1 การสื่อคำอธิบายและการทำดัชนีดัชนีข้อความและคำอธิบายประกอบดำเนินการ โดยบริการที่:) ภาษาประเภท ตาม n กรัมคำนามภาษาขำน่า Bayes และที่แม้จะเรียบง่ายได้แสดงการทำงานอย่างมีประสิทธิภาพยังสั้น fragments39 )ตรวจสอบหัวข้อตาม LDA ) ชื่อเอนทิตีสกัด gazetteers และระบบตามกฎ การจัดการเอนทิตีที่ไม่ได้เพิ่มได้ในรายการ ตรวจสอบหัวข้อและระบุชื่อเอนทิตีสามารถใช้ยังผลลัพธ์ของบริการเสียง transcription คำพูดและเสียงเครื่องมือวิเคราะห์และจัดทำดัชนีให้บริการสำหรับ: เสียง segmentation25) ที่แยกเสียงกระแสข้อมูลในคอมโพเนนต์แยก 6: 4 การจัด (รหัสเสียง/ไม่มีเสียง เพศ พื้นหลัง และลำโพง), สำหรับลำโพงที่คลัสเตอร์ และสำหรับอคูสติกเปลี่ยนตรวจสอบ สิ่งเหล่านี้เป็นส่วนใหญ่ทำข้อมูลอย่างละเอียดของตัวดึงข้อมูลไปใช้อย่างเต็มรูปแบบพื้นฐาน เชื่อมต่อหลายชั้น Perceptrons กับ backpropagation เรียนรู้การฝึกอบรม) มีภาษาเสียง ตามอาบัด ที่ระบุภาษาที่พูดส่วนใหญ่ในสหภาพยุโรป ใช้ระบบ phonotactic และตัวฉันเวกเตอร์ SVMs ตามระบบย่อยระดับ ) การโมเสียงเหตุการณ์ที่รับรู้เสียงแนวคิด ใช้การรวมกันของคุณลักษณะ M.F.C.C., ZCR และ MPEGคำนามภาษา SVM) เครื่องมือที่ใช้วิธีการผสมรวมชั่วคราวกันเสียง อาหารแบบจำลองความสามารถของรุ่น Markov ซ่อนอยู่กับความสามารถในการจัดประเภทรูปแบบ discriminative ของ MultiLayerPerceptrons และทำงานร่วมกับภาษาอังกฤษ สเปน โปรตุเกส และเยอรมัน

ผลลัพธ์ (ไทย) 2:

3.1 คำอธิบายประกอบธุรกิจสื่อและการจัดทำดัชนี
การจัดทำดัชนีข้อความและคำอธิบายประกอบจะดำเนินการโดยการให้บริการที่มีการจัดหมวดหมู่ภาษา :) บนพื้นฐานของ n-กรัม
และไร้เดียงสา Bayes ลักษณนามว่าแม้จะมีความเรียบง่ายได้แสดงให้เห็นการทำงานอย่างมีประสิทธิภาพใน fragments39 anche สั้น; )
การตรวจสอบขึ้นอยู่กับหัวข้อ LDA; ) สกัดนิติบุคคลที่มีชื่ออยู่บนพื้นฐานของ Gazetteers และระบบการปกครองที่ใช้ในการจัดการ
หน่วยงานที่ยังไม่ได้รับการเพิ่มยังรายการ การตรวจสอบข้อความและบัตรประจำตัวชื่อนิติบุคคลสามารถนำมาใช้ anche กับ
ผลของการให้บริการการถอดความคำพูด.
พูดและการจัดทำดัชนีเสียงและเครื่องมือในการวิเคราะห์ร้านค้าให้บริการสำหรับ :) segmentation25 เสียงที่แยกเสียง
ลำธารเป็นหกแยกส่วนประกอบ: สี่สำหรับการจำแนก (คำพูด / ไม่เป็นคำพูด เพศพื้นหลังและบัตรประจำตัวลำโพง) หนึ่งสำหรับการจัดกลุ่มลำโพงและเป็นหนึ่งในการตรวจหาการเปลี่ยนแปลงอะคูสติก ส่วนประกอบเหล่านี้ส่วนใหญ่จะเป็น
แบบจำลองการใช้อย่างกว้างขวางในการเชื่อมต่ออย่างเต็มที่ฟีดไปข้างหน้า Perceptrons หลายชั้นผ่านการฝึกอบรมที่มีแพร่กระจายย้อนกลับ;) การระบุภาษาเสียงขึ้นอยู่กับ Abad, ที่ระบุภาษาพูดมากที่สุดทั่ว
สหภาพยุโรปใช้จำแนกสำหรับ phonotactic ระบบ I-เวกเตอร์ใช้ระบบย่อยอะคูสติก; )
โมดูลเสียงเหตุการณ์ที่ตระหนักถึงแนวคิดเสียงโดยใช้การรวมกันของ MFCC, MPEG และ ZCR มีการ
เลี้ยงลักษณนาม SVM;) ทานเสียงเครื่องยนต์ที่ใช้วิธีการไฮบริดรวมขมับ
ความสามารถในการสร้างแบบจำลองของรุ่นที่ซ่อนมาร์คอฟที่มีการจำแนกรูปแบบการจำแนก ความสามารถของหลาย
Perceptrons และทำงานร่วมกับภาษาสเปนโปรตุเกสและเยอรมัน

ผลลัพธ์ (ไทย) 3:

3.1 . . คำอธิบายประกอบสื่อและการทำดัชนีการทำดัชนีข้อความและข้อความอธิบาย 2
4 จะดำเนินการโดยบริการที่ให้ : ) การจัดประเภทภาษาโดยอิงตามแบบ n 2
4 และไร้เดียงสา Bayes กรัมเครื่องแยกที่แม้จะมีความเรียบง่ายในการใช้งานที่มีการแสดงไว้ในการทำงานในการแยกออกเป็นส่วนๆสั้นยัง rocem 39 ; )
หัวข้อการตรวจจับตามที่ระบุชื่อ ) ; LDA การแยกตาม gazetteers เอนทิตีและระบบที่ทำงานตามกฎที่จะจัดการกับ
เอนทิตีที่ยังไม่ได้รับการเพิ่มลงในรายการที่ยังไม่ได้ การตรวจหาหัวข้อที่มีชื่อและการระบุตัวตนของเอนทิตีที่สามารถใช้ได้กับทั้ง 2
4 ผลลัพธ์ของการบริการการถอดสคริปต์สิ่งที่บันทึกเสียงพูด
การใช้งานที่ต้องการคุณภาพเสียงพูดและเสียงการทำดัชนีและเครื่องมือการวิเคราะห์ที่จะให้บริการสำหรับการแบ่งส่วนเสียง : ) 25 ที่แยกการสตรีมเสียงเข้าใส่ 6 (2
0) คอมโพเนนต์ที่แยกต่างหากสำหรับการจำแนกประเภท : สี่ ( เสียงพูด / ที่ไม่ใช่คำพูด , เพศ ,พื้นหลังและการระบุตัวตน ) ลำโพงลำโพงตัวหนึ่งสำหรับการจัดกลุ่มและอีกตัวหนึ่งสำหรับการตรวจจับการเปลี่ยนแปลงสัญญาณย้อนกลับ คอมโพเนนต์เหล่านี้ส่วนใหญ่จะใช้ตัวแบบ 2
4 ซึ่งทำให้การใช้งานที่หลากหลายของการจัดให้บริการอย่างครบครันการเชื่อมต่อแบบฟีดส่งต่อที่ได้รับการฝึกอบรมกับ Backpropagation Perceptrons มัลติ ; ) ภาษาของระบบเสียง , การระบุตามที่ระบุให้ Abad ภาษาที่พูดมากที่สุดทั่วทั้ง 2
4 สหภาพยุโรปโดยใช้สำหรับระบบ Phonotactic SVMs และตัว I vector โดยยึดตามการย้อนกลับของระบบย่อย ) ที่มีเสียง 2
4 ; โมดูลที่จะจดจำเหตุการณ์แนวความคิดในการให้เสียงด้วยการใช้การผสมผสานของ MFCCS , คุณสมบัติที่ต้องการและ MPEG ZCR 2
4 SVM เครื่องแยก ; ) ฟีดเสียงถอดสคริปต์สิ่งที่ที่ที่ใช้วิธีการแบบไฮบริดที่เป็นการผสมผสาน temporal key integrity protocol (TKIP)
ความสามารถในการสร้างโมเดลที่ซ่อนอยู่ของมาร์กอฟลายรุ่นที่มีความสามารถในการแบ่งประเภทของรูปแบบการ 2
4 Perceptrons แบบมัลติเลเยอร์และทำงานได้กับอังกฤษ , สเปน , โปรตุเกสและภาษาเยอรมัน