BATKO, Michal, Petra KOHOUTKOVÁ a Pavel ZEZULA. Combining Metric Features in Large Collections. In 1st International Workshop on Similarity Search and Applications (SISAP 2008). Los Alamitos CA, Washington, Tokyo: IEEE Computer Society, 2008, s. 79-86. ISBN 978-0-7695-3101-4.
Další formáty:   BibTeX LaTeX RIS
Základní údaje
Originální název Combining Metric Features in Large Collections
Název česky Kombinování metrických charakteristik ve velkých kolekcích dat
Autoři BATKO, Michal (203 Česká republika, garant), Petra KOHOUTKOVÁ (203 Česká republika) a Pavel ZEZULA (203 Česká republika).
Vydání Los Alamitos CA, Washington, Tokyo, 1st International Workshop on Similarity Search and Applications (SISAP 2008), od s. 79-86, 8 s. 2008.
Nakladatel IEEE Computer Society
Další údaje
Originální jazyk angličtina
Typ výsledku Stať ve sborníku
Obor 10201 Computer sciences, information science, bioinformatics
Stát vydavatele Mexiko
Utajení není předmětem státního či obchodního tajemství
WWW URL
Kód RIV RIV/00216224:14330/08:00024185
Organizační jednotka Fakulta informatiky
ISBN 978-0-7695-3101-4
UT WoS 000255509900009
Klíčová slova anglicky similarity search; complex query; p2p network; approximation
Štítky APPROXIMATION, complex query, DISA, p2p network, similarity search
Příznaky Mezinárodní význam, Recenzováno
Změnil Změnil: RNDr. Michal Batko, Ph.D., učo 2907. Změněno: 19. 6. 2009 16:21.
Anotace
Current information systems are required to process complex digital objects, which are typically characterized by multiple descriptors. Since the values of many descriptors belong to non-sortable domains, they are effectively comparable only by a sort ofsimilarity. Moreover, the scalability is very important in the current digital-explosion age. Therefore, we propose a distributed extension of the well-known threshold algorithm for peer-to-peer paradigm. The technique allows to answer similarity queries that combine multiple similarity measures and due to its peer-to-peer nature it is highly scalable. We also explore possibilities of approximate evaluation strategies, where some relevant results can be lost in favor of increasing the efficiency by order of magnitude. To reveal the strengths and weaknesses of our approach we have experimented with a 1.6 million image database from Flicker comparing the content of the images by five similarity measures from the MPEG-7 standard. To the best of our knowledge, the experience with such a huge real-life dataset is quite unique.
Anotace česky
Článek popisuje rozšíření existujícího "prahovacího" algoritmu pro prostředí peer-to-peer sítí. Technika umožňuje řešit podobnostní dotazy kombinující několik podobnostních měřítek a díky využití peer-to-peer technologie je vysoce škálovatelná. Dále jsou v článku rozebírany přínosy aproximativní strategie. Výsledky jsou ověřeny na databázi s 1,6 miliony obrázků ze systému Flickr.
Návaznosti
GP201/08/P507, projekt VaVNázev: Komplexní podobnostní dotazy nad rozsáhlými objemy dat
Investor: Grantová agentura ČR, Komplexní podobnostní dotazy nad rozsáhlými objemy dat
1ET100300419, projekt VaVNázev: Inteligentní modely, algoritmy, metody a nástroje pro vytváření sémantického webu
Investor: Akademie věd ČR, Inteligentní modely, algoritmy, metody a nástroje pro vytváření sémantického webu
VytisknoutZobrazeno: 26. 4. 2024 17:35