谢毓湘，栾悉道，吴玲达

(1.国防科技大学信息系统与管理学院，湖南 长沙 410003;2.长沙大学信息与计算科学系，湖南 长沙 410073)

多媒体数据语义鸿沟问题已成为制约多媒体数据进一步应用的瓶颈问题，日益受到国内外学者的普遍关注。目前，对于多媒体数据语义的研究，往往针对具体的应用领域。例如，在图像的研究领域，研究人员最为关注的是图像中出现了哪些对象，对象彼此之间的空间语义，色彩色调所引起的人的情感语义;而在视频领域则更加关注事件语义的发展或场景语义。SMEULDERS等将语义鸿沟定义为:在给定情形下，用户从视觉数据中获取的信息与用户自身对视觉数据的理解之间存在不一致［1］。他认为，语义鸿沟问题是基于内容检索能否向前推进的关键。

语义鸿沟问题，源于基于内容检索研究，但是该问题同样存在于文本检索、网页检索和视频检索等应用领域研究中。该问题产生的根源很复杂，一方面，人在与计算机进行交互时尚未找到合理的表达概念、意义的手段和方法，用户有时自己都无法准确地用语言来表达其真正的查询需求，这是人所带来的问题;另一方面，计算机无法像人一样，在融合视、听觉特征以及人自身积累的知识和经验的基础上，在各种复杂的情况下，有效地完成对多媒体数据的高级语义判断，如识别对象、发现对象的空间语义关系，识别场景语义、行为语义和情感语义等，这是计算机所引发的问题。

对于如何跨越语义鸿沟这个难题，目前主要采用相关反馈和自动标注的方法。……