1.一种基于众包的异构媒体语义融合方法，其特征在于，包括以下步骤：

1)输入用户集合US和任务集合TS；

2)定义一个阈值ε1，0≤ε1≤1；

3)计算用户的历史主题tpc(U)和任务的历史主题tpc(t)；

4)遍历US集合中的每一个用户U，进行步骤5)的操作，遍历结束后跳到步骤7)；

5)遍历TS集合中的每一个任务t，进行步骤6)的操作，遍历结束跳转到步骤4)；

6)如果该任务t的历史主题tpc(t)在用户U的历史主题tpc(U)的前ε1个范围之内，则将该任务t推荐给用户U，否则不推荐；

7)遍历所有没有被推荐分配出去的任务t，将这些任务随机推荐给US中的用户；

8)输入媒体文件M，并定义它的语义实体为SO；

9)获取M的一个标注Ai并且将Ai存储到SO中；

10)分配SO的重要性wi；

11)遍历US中的每一个用户，进行步骤12)；

12)如果M可以通过Ai获取，那么ki＝1，否则ki＝0，然后累加ωi*＝wi+ki/|U|；|U|是提供标注的众包用户数量；

13)加载媒体文件M的语义实体SO，定义一个阈值ε2，0≤ε2≤1；

14)加载媒体文件M的标注集合SetM，并且计算其标注重要性的均值

15)遍历每一个用户，进行步骤16)；

16)如果编号为j的用户的标注的重要性 那么从SetM中删除该用户的标注Aj。

2.根据权利要求1所述的基于众包的异构媒体语义融合方法，其特征在于，步骤3)中，用户的历史主题tpc(U)的具体计算过程包括：

1)输入用户U的历史标注集合Sha和分类图G；

2)使用广度优先算法遍历搜索G；

3)对于G中的每一个节点h，计算h在Sha中的出现频率tf(h/Sha)，并且将计算结果添加到动态数组tpc(U)*中；

4)将tpc(U)*中的tf(h/Sha)进行降序排序，得到用户的历史主题tpc(U)。

3.根据权利要求1所述的基于众包的异构媒体语义融合方法，其特征在于，语义实体SO通过两种方式和其相对应的媒体文件M合并：第一种：在线方式，SO通过软件提交并隐藏在新的媒体文件中；第二种：离线方式，SO保存在一个文件中，用户在软件中选择一个媒体文件与SO合并。

4.根据权利要求3所述的基于众包的异构媒体语义融合方法，其特征在于，将媒体文件M与用户标注的语义实体SO合并之后，以如下方式进行存储：定义一个S_MFILE类，该类中包含一个byte型指针SemanticData指向语义实体SO和一个MFILE型结构体指针media，该指针的结构体MFILE包含一个byte型指针MediaData指向该媒体文件的二进制数据。