主动学习策略：挖掘未标注数据中的语义信息

上面的章节介绍了如何采用跨语言检索的类似方法，对不同类型的多媒体数据进行处理，从而支持跨媒体相关性度量。然而，由于多媒体数据并不像语言文字那样，包含直接的语义信息，因此，如果直接使用跨语言检索中用到的隐性语义索引方法，得到的跨媒体检索性能将会比较有限。

为了解决这个问题，可以采用相关反馈策略，前面章节已经做过相关介绍。考虑到在收集多媒体数据时，往往未标记样本比标记样本的收集要容易很多，这一节中将介绍基于主动学习的相关反馈方法。主动学习是机器学习和计算机视觉领域的常用方法和技术，在标记样本数量有限的情况下，通过利用未标记样本，增强系统的泛化能力，提高学习器的性能，在多媒体检索、数据分类等方面有着一定的应用。

在本书第三部分前面的章节中，已经讨论过一些相关反馈算法，这些都是根据有限的标注样本(即反馈正例和负例)，被动地学习其潜在的语义信息，以修正整个数据集的相关性排序值，而不具备主动地挑选最具情报性的(Most Informative)的样本进行学习的能力。(www.xing528.com)

因此，当整个数据集较大、而标注样本数目较少时，被动学习方法难以准确地理解全局范围内的跨媒体语义关系。本节将介绍几种主动学习策略，在相关反馈过程中“有意图”地选取最具价值的未标注样本以挖掘其中的语义信息，而不是被动地学习用户的标注样本。

本节首先对主动学习的相关概念进行基础性的介绍，然后分三个主要步骤，详细描述如何将主动学习应用到跨媒体检索的相关反馈过程中。需要说明的是，这只是在相关反馈中使用主动学习的一种可选方法，读者可以结合具体的检索算法设计主动学习规则和步骤。