现有的视频检索系统一般通过关键词文本查询或者使用视频片断和例子图像等查询示例来对多媒体素材集进行检索。然而在现实的视频检索系统中,往往很难提供查询示例,即使可以提供示例也可能需要花费大量时间去查找,在很大程度上降低了系统的效率和通用性。本文提出了一种基于互增强原则的视频检索重排序方法,用于解决现有的视频检索系统中存在的难以提供查询示例的问题。该方法首先通过传统的关键词文本查询方式检索出相关的候选视频集,再采用一种无监督的学习方法对检索候选集中的视频片断进行排序,然后选择出排序结果中重要度最高的视频片断作为视频检索的结果返回给用户。这种无监督的学习方法是基于候选集的视频片断之间存在两两之间相似的关系,并且这种两两相似关系对于最终的重要度计算有着相互增强的作用。视频片断之间的相似度采用的是标注文本相似度和视频视觉相似度相融合的方法进行计算的。本文利用马尔科夫链对候选视频集进行重排序的现象进行描述,在一定程度上从理论的角度证实了该方法的有效性。并且通过实验对视频相似度计算的融合参数取值进行了有效性的比较,采取主观验证的方法对最终的检索实验结果进行了满意度分析,满意度结果证明,该方法具有较好的通用性与有效性。