位置:成果数据库 > 期刊 > 期刊详情页
用户评论中的标签抽取以及排序
  • ISSN号:1003-0077
  • 期刊名称:中文信息学报
  • 时间:0
  • 页码:14-19
  • 分类:TP181[自动化与计算机技术—控制科学与工程;自动化与计算机技术—控制理论与控制工程]
  • 作者机构:[1]山东大学计算机科学与技术学院,济南250101
  • 相关基金:国家自然科学基金项目(No.60970047,61103151,61173068)、博士点基金项目(No.20110131110028)资助
  • 相关项目:Web图像的语义表示及在聚类与排序中的应用
中文摘要:

基于图像中物体之间的空间关系的图像检索往往受困于待处理的图像中物体种类和空间位置难以自动准确地获取.文中基于物体识别算法的输出,提出一种对物体空间关系的三元组表示法,给出基于这种表示方法对图像索引、相似度计算和检索排序的方法及允许用户使用查询词和空间关系表达查询需求的二维输入界面,并实现原型系统.这种表示法具有良好的鲁棒性,可容忍物体识别算法一定程度的误差,将物体识别得到的置信度加入三元组表示法置信度计算和排序算法中,减少物体识别结果误差对检索性能的影响.在原型系统上的实验表明,该系统在实验中对包含物体位置关系的检索给出更准确的结果,在NDCG@m、MAP、F@m上均优于现有系统.

英文摘要:

For the image retrieval system based on spatial relationship of objects in images, it is hard to automatically recognize objects and their spatial relations correctly. Based on the outputs of object detection algorithms, a triple representation of the spatial relationship in images is proposed. Based on the representation, a method for indexing images, computing similarities and ranking results is proposed. A 2D user-match interface is also developed for users to express their needs in terms of retrieval keywords and spatial relationships, and a prototype is established. The representation is robust against errors of object detection. Incorporating the confidence given by object detection into the triple representation and ranking method, the impact of object detection errors on the performance of image retrieval is reduced. With the queries comprising explicit spatial relationship, the proposed approach gives more accurate results in experiments. It performs better than the existing systems in terms of NDCG@ m, MAP and F@ m.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《中文信息学报》
  • 北大核心期刊(2011版)
  • 主管单位:中国科学技术协会
  • 主办单位:中国中文信息学会 中国科学院软件研究所
  • 主编:孙茂松
  • 地址:北京海淀中关村南四街4号中科院软件所
  • 邮编:100190
  • 邮箱:jcip@iscas.ac.cn
  • 电话:010-62562916
  • 国际标准刊号:ISSN:1003-0077
  • 国内统一刊号:ISSN:11-2325/N
  • 邮发代号:
  • 获奖情况:
  • 国内外数据库收录:
  • 日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:9136