[发明专利]使用否定数据优化多类别多媒体数据分类

权利要求书

1.一种计算机实现的方法，包括：

访问多媒体数据项的语料库，所述多媒体数据项的语料库包括肯定多媒体数据项和否定多媒体数据项，其中：

所述肯定多媒体数据项中的个体肯定多媒体数据项与多个标签中的个体标签相关联；以及

所述否定多媒体数据项不与所述多个标签中的任何标签相关联；

从所述个体肯定多媒体数据项中提取第一特征集合；

至少部分地基于所述第一特征集合来训练分类器，所述分类器包括多个模型向量，所述多个模型向量中的每个模型向量对应于所述个体标签中的一个标签；

至少部分地基于向所述个体肯定多媒体数据项中的一个或多个肯定多媒体数据项应用所述分类器，收集对应于所述个体标签中的每个标签的统计值；

从新的多媒体数据项中提取第二特征集合；

向所述第二特征集合应用所述分类器以确定对应于所述个体标签中的每个标签的相似度值；

确定所述新的多媒体数据项是所述否定多媒体数据项中的一个否定多媒体数据项；

至少部分地基于确定所述新的多媒体数据项是所述否定多媒体数据项中的一个否定多媒体数据项，将所述统计值与对应于所述个体标签中的每个标签的所述相似度值相比较；以及

至少部分地基于将所述统计值与所述相似度值相比较，更新所述多个模型向量中的个体模型向量。

2.根据权利要求1所述的计算机实现的方法，还包括：

接收与所述多个标签中的第一标签相关联的第二新的多媒体数据项；

从所述第二新的多媒体数据项中提取第三特征集合；

向所述第三特征集合应用所述分类器；

至少部分地基于向所述第三特征集合应用所述分类器，来确定对应于所述个体标签中的每个标签的新的相似度值；

确定所述第二新的多媒体数据项是所述肯定多媒体数据项中的一个肯定多媒体数据项；

确定所述分类器将所述第二新的多媒体数据项分类为与所述多个标签中的第二标签相关联，所述第二标签不同于所述第一标签；以及

调整所述个体模型向量中的至少两个模型向量。

3.根据权利要求2所述的计算机实现的方法，其中调整所述个体模型向量中的至少两个模型向量包括：

按比例缩小所述个体模型向量中的第一个体模型向量，所述第一个体模型向量与所述第二标签相关联；以及

按比例增大所述个体模型向量中的第二个体模型向量，所述第二个体模型向量与所述第一标签相关联。

4.根据权利要求2所述的计算机实现的方法，还包括至少部分地基于确定所述新的相似度值来更新所述统计值。

5.根据权利要求1所述的计算机实现的方法，其中更新所述个体模型向量包括：

确定所述相似度值中的、对应于所述个体标签中的特定个体标签的特定相似度值大于所述统计值中的、与所述特定个体标签相关联的特定统计值；以及

按比例缩小所述个体模型向量中的特定个体模型向量，所述特定个体模型向量对应于所述特定个体标签。

6.根据权利要求1所述的计算机实现的方法，其中所述统计值包括以下中的一项或多项：

所述相似度值的平均值，其在所述分类器正确地标识所述个体肯定多媒体数据项中的、具有所述个体标签中的个体标签的个体肯定多媒体数据项时被生成；

所述相似度值的标准偏差，其在所述分类器正确地标识具有所述个体标签的所述个体肯定多媒体数据项时被生成；

所述相似度值的第k阶统计值，其在所述分类器正确地标识具有所述个体标签的所述个体肯定多媒体数据项时被生成；或者

表示所述相似度值的分布，其在所述分类器正确地标识具有所述个体标签的所述个体肯定多媒体数据项时被生成。

7.根据权利要求1所述的计算机实现的方法，其中：

所述统计值包括阈值；以及

更新所述个体模型向量是至少部分地基于所述相似度值在所述阈值之上。

8.根据权利要求1所述的计算机实现的方法，其中所述分类器是多类别支持向量机。