自动提取多模态特征与讲座视频质量的相关性研究
多媒体
2020-05-29 v1
摘要
多媒体内容（如视频）的排序与推荐通常依据与用户查询的相关性实现。然而对于讲座视频与 MOOCs（大规模开放在线课程）而言，不仅需检索相关视频，尤须找寻利于学习的高质量讲座视频，例如独立于视频或讲者人气。因此，有关讲座视频质量的元数据是学习情境中的关键特征，例如以搜索即学习场景中的讲座视频推荐。本文我们探究自动提取特征是否与视频质量方面相关。一组来自大规模开放在线课程（MOOC）的学术视频就音频、语言与视觉特征被分析。此外，提出一组通过结合转录文本、音频、视频与幻灯片内容导出的跨模态特征。开展用户研究以探究自动收集特征与人类对讲座视频质量方面评分间的相关性。最后，讨论了我们的特征对参与者知识增益的影响。
引用
@article{arxiv.2005.13876,
title = {Investigating Correlations of Automatically Extracted Multimodal Features and Lecture Video Quality},
author = {Jianwei Shi and Christian Otto and Anett Hoppe and Peter Holtz and Ralph Ewerth},
journal= {arXiv preprint arXiv:2005.13876},
year = {2020}
}