【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
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。
