1.一种基于众包的语义提取方法，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，计算用户的历史主题tpc(U)和任务的历史主题tpc(t)，定义一个阈值ε1；

2)遍历用户集合US中的每一个用户U，进行步骤3)的操作，遍历结束后跳到步骤5)；

3)遍历任务集合TS中的每一个任务t，进行步骤4)的操作，遍历结束跳转到步骤2)；

4)如果任务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；

5)遍历所有没有被推荐分配出去的任务，将这些任务随机推荐给用户集合US中的用户，用户集合US中的用户在完成任务后提交语义信息；

6)动态监控用户提交上来的语义信息，将所有用户提交的语义信息放入语义信息集合中，并对语义信息集合质量进行评估，根据质量评估的结果精炼所述语义信息集合，得到最终的语义信息集合。

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1)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所述的语义提取方法，其特征在于，0≤ε1≤1。

4.根据权利要求1所述的语义提取方法，其特征在于，对语义信息集合质量进行评估，根据质量评估的结果精炼用户集合US中的用户提交的语义信息集合的具体实现过程包括：

1)令M为任务集合TS中需要进行语义提取的媒体文档，集合Sm为M的语义信息集合，满足Sm＝{s1,s2,…,sn}，n为M的语义对象个数；si为Sm中的语义对象；i＝1,2,…,n；

2)为Sm中每个语义对象si赋权值wi，并设定wi的初始值；

3)在语义检索过程中，如果语义信息集合Sm中的某一语义对象的内容被检索过程使用，或者被用户确定为能够表达该次检索的意图，则将该语义对象的权值wi加1；

4)若某个语义对象的权值小于设定值，则将该语义对象从Sm中去除；

5)重复步骤2)～步骤4)，直至遍历完所有Sm中的所有语义对象，得到最终的语义信息集合。

5.根据权利要求4所述的语义提取方法，其特征在于，所述设定值取值为(0，1)。