DOI QR코드

DOI QR Code

Timeline Tag Cloud Generation for Broadcasting Contents using Blog Postings

블로그 포스팅을 이용한 방송 콘텐츠 영상의 타임라인 단위 태그 클라우드 생성

  • 손정우 (ETRI 방송통신미디어연구소) ;
  • 김화숙 (ETRI 방송통신미디어연구소) ;
  • 김선중 (ETRI 방송통신미디어연구소) ;
  • 조기성 (ETRI 방송통신미디어연구소)
  • Received : 2015.01.12
  • Accepted : 2015.02.24
  • Published : 2015.05.15

Abstract

Due to the recent increasement of user created contents like SNS, blog posts, and so on, broadcast contents are actively re-construction by its users. Especially, on some genres like drama, movie, various information from cars and film sites to clothes and watches in a content is spreaded out to other users through blog postings. Since such information can be an additional information for the content, they can be used for providing high-quality broadcast services. For this purpose, in this paper, we propose timeline tag cloud generation method for broadcasting contents. In the proposed method, blog postings on the target contents are first gathered and then, images and words around images are extracted from a blog post as a tag set. An extracted tag set is tagged on a specific timeline of the target content. In experiments, to prove the efficiency of the proposed method, we evaluated the performances of the proposed image matching and tag cloud generation methods.

최근 SNS, 블로그 등 사용자 참여형 인터넷 매체가 늘어나면서, 방송 콘텐츠에 대한 사용자의 재생산이 활발히 일어나고 있다. 특히, 드라마와 같은 장르에서는 배우가 착용한 옷, 시계 등에서부터, 자동차, 촬영 장소 등 다양한 종류의 정보들이 블로그를 통해 다른 사용자에게 전달되고 있다. 이러한 정보들은 방송 콘텐츠에 대한 직접적인 부가 정보가 되기 때문에, 이를 활용할 경우 양질의 서비스를 제공할 수 있다. 본 논문에서는 이를 위해, 블로그 포스팅을 이용하여 방송 콘텐츠의 특정 타임라인에 태그 클라우드를 생성하는 기술을 제안한다. 제안한 방법에서는 방송 콘텐츠에 대한 블로그 포스팅을 수집하고, 수집된 포스팅으로부터 이미지 주변 단어를 활용하여 태그 셋을 구축한다. 구축된 태그 클라우드는 방송 콘텐츠 프레임과의 이미지 매칭을 통해 특정 타임라인에 태깅된다. 실험에서는 이미지 매칭의 성능과 생성된 태깅된 태그 클라우드를 보임으로써 제안한 방법의 성능을 입증한다.

Keywords

Acknowledgement

Grant : 방송용 영상 인식 기반 객체중심 지식융합 미디어 서비스 플랫폼 개발

Supported by : 정보통신기술진흥센터

References

  1. J-W. Son, S. Kim, W. Kim, K. Cho, "Distance Learning and Re-Ranking based Broadcasting Contents Tagging with Blog Postings," Proc. of the 2014 Fall Conference of the KIPS, 2014. (in Korean)
  2. D. Lowe, "Object Recognition from Local Scale-Invariant Features," Proc. of the ICCV, pp. 1150-1157, 1999.
  3. H. Bay, A. Ess, T. Tuytelaars, and L. Gool, "SURF: Speeded Up Robust Features," Computer Vision and Image Understanding, Vol. 100, No. 3, pp. 346-359, 2008.
  4. K. Weinberger, J. Blitzer, and L. Saul, "Distance metric learning for large margin nearest neighbor classification," Advances in Neural Information Processing Systems, pp. 1473-1480, 2005.
  5. M. Schultz and T. Joachims, "Learning a distance metric from relative comparisons," Advances in NIPS, Vol. 41, 2004.
  6. E. Rublee, V. Rabaud, K. Konolige, and G. Bradski, "ORB: an efficient alternative to SIFT or SURF," Proc. of ICCV, 2011.
  7. J. Carbonell and J. Goldstein, "The use of MMR, diversity-based reranking for reordering documents and producing summaries," Proc. of the 21st ACM SIGIR, pp. 335-336, 1998.