多媒体作业，自己定义一个多媒体搜索引擎，并写出方案，留下来，做个纪念
爬虫
(1) 通过网络爬虫大量地下载网页(可以考虑使用诸如Apache Nutch等开源网络爬虫)
(2) 通过正则表达式等方式对网页内容进行去噪，过滤垃圾内容，如根据常见的视频格式.avi .rmvb .flv等设计正则表达式，获取视频链接
(3) 根据视频链接下载视频(可以通过多线程等加快下载速度)、
镜头和关键帧的提取
1.对网上下载的海量视频进行粗略分类，通过模板匹配和颜色直方图方法进行渐变镜头的分析，通过双重比较法（二阈值法进行）进行渐变镜头提取。
2.选取镜头的中间帧作为关键帧
关键镜头的提取分析
从网上下载相关学科的知识点图谱。比如机器学习中的各种知识点-svm，高斯核函数等等作为关键场景提取的特征。
（1） 文本上、字母上：视频本身标题有相关文本标注，可以作为初略确定，大部分网络公开课会有相关字母，对字幕区域进行文字识别。将字幕信息变为文本信息，文本信息中出现svm、高斯核函数类似知识点，该镜头极有可能为关键镜头
（2） 语音上，提取公开课语音，进行降噪处理，利用现有的语音识工具，将语音信息转为文本信息，找是否有相关词汇。
（3） 视频上，公开课程一般是课堂和截屏等形式，截屏和黑板板书时也会出现相关关键词，用图片识别的技术找到关键区域，然后进行图片文字识别
搜索引擎索引
词袋模型和倒排索引
更新
权重，大网站多去，小网站少去
去重
视频本省标注，其中文本进行去重
检索模型、视频排序推荐
（1）布尔模型，查询关键词求集合运算
（2）排序推荐、权重推荐。比如搜svm
1)在网络爬去过程中，如网易公开课中视频，可以获得视频的点击量，还有如豆瓣知乎推荐打分。学习人数多，豆瓣打分高，权重高。
2)对视频片段进行分析，词汇出现次数多，说明讲解详细，得分高，
3）对多媒体质量进行评估，质量高的得分高
4）老师人气，相关领域大牛，如机器学习，李菲菲 吴恩达的得分高
给各项得分按重要程度给不同权重
个性化推荐
推广
盈利
