首页 理论教育 跨媒体更新策略:跟进关联图更新

跨媒体更新策略:跟进关联图更新

时间:2023-07-02 理论教育 版权反馈
【摘要】:图10-5基于相关反馈的CMCG更新算法上述算法中,矩阵LIA的元素值并不仅仅代表CMCG图中边的权重,还表明了这条边是否存在。如果LIA'>ε,则说明相应的边已被删除。如图10-6所示,整个跨媒体检索过程是可以概括成一个循环:上半循环对应于系统查找用户所需的多媒体对象的过程,而下半循环对应于系统根据用户反馈更新CMCG,并在此基础上重新处理用户查询。图10-6系统的逻辑结构图

跨媒体更新策略:跟进关联图更新

随着用户对检索系统的使用,会积累一些人机交互信息。例如:如果用户对检索结果并不满意,可以从检索结果中标记一些“正确”结果,或者“错误”结果,作为反馈意见提交给系统。这些用户标记信息蕴含了语义,检索系统收到用户提交的反馈例子之后,可以把用户反馈中的知识加入到CMCG中进行图模型的更新,并且根据新的CMCG,优化下一次的检索结果。

假设用户标注的反馈正例为P=PI∪PA∪PV,反馈负例为N=NI∪NA∪NV,则CMCG的更新策略可以用图10-5表示。

图10-5 基于相关反馈的CMCG更新算法(www.xing528.com)

上述算法中,矩阵LIA的元素值并不仅仅代表CMCG图中边的权重,还表明了这条边是否存在。如果LIA(r,yi)'>ε,则说明相应的边已被删除。显然,将用户交互中包含的知识以加权边的形式加入到CMCG中,会对后续检索产生长期的影响,同时,随着反馈次数的增加,知识更新也逐渐累加,系统的检索性能将逐步得到提高。

如图10-6所示,整个跨媒体检索过程是可以概括成一个循环:上半循环对应于系统查找用户所需的多媒体对象的过程,而下半循环对应于系统根据用户反馈更新CMCG,并在此基础上重新处理用户查询。整个检索过程具有一定的“自学习”能力,可以随着检索的进行而逐步提升查询效率

图10-6 系统的逻辑结构图

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈