Key points are not available for this paper at this time.
यह पेपर मल्टीमीडिया इवेंट डिटेक्शन की चुनौती को संबोधित करता है, जिसमें सामूहिक वर्गीकरण के आधार पर उच्च-स्तरीय और निम्न-स्तरीय विशेषताओं के विलय के लिए एक नया तरीका प्रस्तावित किया गया है। सामान्यतः, यह विधि तीन चरणों में विभाजित है: निम्न-स्तरीय विशेषताओं से एक वर्गीकरणकर्ता का प्रशिक्षण; उच्च-स्तरीय विशेषताओं को ग्राफ़ में एन्कोड करना; और स्थापित ग्राफ़ पर स्कोर फैलाना ताकि अंतिम भविष्यवाणी प्राप्त की जा सके। अंतिम भविष्यवाणी कई ग्राफ़ से उत्पन्न होती है, जिनमें से प्रत्येक एक उच्च-स्तरीय विशेषता के अनुरूप है। यह पेपर लॉगारिदमिक और घातीय हानि कार्यों का उपयोग करके ग्राफ़ निर्माण के दो तरीके और दो सामूहिक वर्गीकरण एल्गोरिदम, अर्थात् गिब्स सैंपलिंग और मार्कोव रैंडम वॉक की जांच करता है। सैद्धांतिक विश्लेषण यह दर्शाता है कि प्रस्तावित विधि संकुचित होती है और गणनात्मक रूप से स्केलेबल है और TRECVID 2011 मल्टीमीडिया इवेंट डिटेक्शन डेटासेट पर प्रायोगिक विश्लेषण इसकी उत्कृष्ट प्रदर्शन को राज्य-ऑफ-द-आर्ट विधियों की तुलना में मान्यता देता है, जिसमें व्याख्या करने की क्षमता का अतिरिक्त लाभ होता है।
Jiang et al. (Mon,) studied this question.