貝葉斯圖像檢索模型中的相關反饋技術(shù)研究.pdf

1、該文主要對貝葉斯檢索框架下的相關反饋技術(shù)進行了探索和研究.在基于貝葉斯公式的檢索框架之上,應用長期學習和短期學習的相關反饋技術(shù),構(gòu)建擴展的貝葉斯框架,并提出了一個通過估算動態(tài)用戶模型來預測用戶檢索目標分布的圖像檢索方法.該文的主要工作如下:·給出了利用長期學習的擴展貝葉斯檢索模型;基本貝葉斯檢索框架<'[44]>估算每一幅圖像在當前用戶反饋下成為檢索目標的概率,并通過貝葉斯公式將目標概率的計算轉(zhuǎn)化為用戶模式的估算.基本貝葉斯框架是相關反

2、饋技術(shù)在概率模型中應用的代表性工作之一.然而,由于所利用的反饋信息較少,基于短期學習的反饋方法的對檢索效果的提高十分有限.因此,本文提出了加入長期學習的擴展貝葉斯檢索模型.事實上,已有的反饋信息代表了各次檢索中用戶反饋的模式,記錄并且分析利用這些反饋模式,可以有效地預測當前用戶的檢索目標.·提出了用戶檢索的反饋模式的概念,利用用戶反饋序列描述用戶反饋模式,給出反饋模式的相似性定義為了描述每次檢索反饋的不同特點,該文提出用戶檢索的反饋模式

3、的概念.用戶檢索的特點通過其反饋模式表示,因此不同檢索之間的相似性可以由相應的反饋模式的相似性進行判斷.由于反饋模式以序列形式表示,該文使用基于序列前綴的編輯距離來度量用戶的反饋序列模式的相似性.·提出了基于長期反饋策略的動態(tài)用戶模型,并給出通過用戶反饋模式的相似性匹配,動態(tài)估算用戶模型的算法;該文給出一個結(jié)合長期學習策略的用戶模型,即根據(jù)歷史上曾經(jīng)發(fā)生過的相似檢索預測當前用戶的檢索行為.在用戶反饋模式定義地基礎上,該文給出了一個通過用