• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>Proceedings of 2009 2nd IEEE international conference on broadband network amp; multimedia technology >LEARNING TO RANK FOR WEB IMAGE RETRIEVAL BASED ON GENETIC PROGRAMMING
【24h】

LEARNING TO RANK FOR WEB IMAGE RETRIEVAL BASED ON GENETIC PROGRAMMING

机译：基于遗传程序设计的网络图像检索学习

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Ranking is a crucial task in information retrieval systems. This paper proposes a novel ranking model named WIRank, which employs a layered genetic programming architecture to automatically generate an effective ranking function, by combining various types of evidences in web image retrieval, including text information, image-based features and link structure analysis. This paper also introduces a new significant feature to represent images: Temporal Information, which is rarely utilized in the current information retrieval systems and applications. The experimental results show that the proposed algorithms are capable of learning effective ranking functions for web image retrieval. Significant improvement in relevancy obtained, in comparison to some other well-known ranking techniques, in terms of MAP, NDCG@n and D@n.
机译：在信息检索系统中，排名是至关重要的任务。本文提出了一种名为WIRank的新型排名模型，该模型采用分层遗传程序设计架构，通过结合Web图像检索中的各种类型的证据（包括文本信息，基于图像的特征和链接结构分析）来自动生成有效的排名函数。本文还介绍了一种表示图像的重要新功能：时间信息，在当前的信息检索系统和应用中很少使用。实验结果表明，该算法能够学习有效的网页图像检索排名功能。与其他一些著名的排名技术相比，在MAP，NDCG @ n和D @ n方面，相关性有了显着提高。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号