Multimedia based Information Retrieval Approach based on ASR and OCR and Video Recommendation System

Bhabad, Dnyaneshwar; Therese, Shanthi; Gedam, Madhuri N.

doi:10.1109/ctceec.2017.8455038

Cited by 7 publications

(3 citation statements)

References 9 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…The paper concluded that video recommendation results were enhanced by a large margin. Bhabad et al [12] proposed a method for lecture video analysis based on the quality of a recording. The method splits a given video to retrieve a frame, and then it uses the Optical Character Recognition (OCR) technology to retrieve keywords from segmented frames.…”

Section: Content-based Detection Reviewmentioning

confidence: 99%

An Efficient Content-Based Video Recommendation

Hassan

Roshdy

Hassan

et al. 2022

Journal of Computing and Communication

View full text Add to dashboard Cite

In a world full of online videos, it is really hard to find relevant content as the data is simply too much. A recommendation system was created to refine this experience, to match relevant content to an interested user. Most recommending systems use algorithms, calculations, and implicit feedback. These methods are effective unless the video does not have implicit feedback in which the algorithms will mostly fail to get relevant content. This is known as cold-start that affects newly uploaded videos, since they start without any data or user comments. Another problem facing users every day is finding the content they want, because it is dependent on videos having labels or having many user views. Since the search engine's mechanism uses the tags and keywords inserted for the video rather than the actual content in it. In this paper, a recommendation system by content is proposed, the system detects the objects and sounds inside the video, and also adds the feature to search using uploaded scenes or filter scenes based on keyword inputted. More experimental results have been done with various scenarios to demonstrate the effectiveness of the proposed system in terms of video recommendation by content.

show abstract

Section: Content-based Detection Reviewmentioning

confidence: 99%

An Efficient Content-Based Video Recommendation

Hassan

Roshdy

Hassan

et al. 2022

Journal of Computing and Communication

View full text Add to dashboard Cite

show abstract

“…Em [Bhabad et al 2017]é apresentado um sistema de recomendação de imagens, vídeos e páginas Web, a partir de metadados extraídos de vídeo. Nesse trabalho são exploradas técnicas de extração de metadados com base em imagens e textos, obtidos, respectivamente, a partir da segmentação do vídeo e análise da narração.…”

Section: Fundamentação Teórica E Trabalhos Correlatosunclassified

“…Na Webé possível encontrar podcasts, vídeos, imagens, textos, dentre outros formatos digitais que estão armazenados em repositórios que não foram desenvolvidos com propósitos educacionais. O Youtube 1 e o Spotify 2 são exemplos de plataformas que armazenam mídias digitais no formato de vídeo eáudio e que, apesar de não terem como exclusividade conteúdos educacionais,é possível vê-los sendo utilizados para essa finalidade [Bhabad et al 2017, Andriani et al 2018. Por outro lado, os repositórios de Objetos de Aprendizagem (OA) e de Recursos Educacionais Abertos (REA) possuem mídias que foram desenvolvidas com o intuito específico de aprendizagem.…”

Section: Introductionunclassified

Análise de Vídeos como Recurso Educacional em Plataforma Não Formal de Aprendizagem

Ferreira¹,

Maschio²,

Santana³

et al. 2020

Anais Do XXXI Simpósio Brasileiro De Informática Na Educação (SBIE 2020)

View full text Add to dashboard Cite

O crescente uso de plataformas com fins educacionais, mas que não são concebidas para tal, impõe desafios na análise da forma mais adequada de entrega do conteúdo. Este trabalho evidencia correlações existentes entre os metadados de Objetos de Aprendizagem (OA) do padrão IEEE-LOM e metadados de vídeos educacionais da área de programação de computadores, disponibilizados na plataforma Youtube. Os resultados apresentaram uma correlação positiva e moderada entre densidade semântica e dificuldade, bem como uma correlação entre a frequência de substantivos e a densidade semântica. Também foi possível verificar que há uma correlação neutra de curtidas, descurtidas, visualizações e comentários com os metadados de OAs analisados.

show abstract