Similarity Query Postprocessing by Ranking

D 2012

Similarity Query Postprocessing by Ranking

BUDÍKOVÁ, Petra, Michal BATKO a Pavel ZEZULA

Základní údaje

Originální název

Similarity Query Postprocessing by Ranking

Název česky

Přeuspořádání výsledků podobnostních dotazů

Autoři

BUDÍKOVÁ, Petra (203 Česká republika, garant, domácí), Michal BATKO (203 Česká republika, domácí) a Pavel ZEZULA (203 Česká republika, domácí)

Vydání

Revised Selected Papers. Berlin, Adaptive Multimedia Retrieval. Context, Exploration, and Fusion, LNCS 6817, od s. 159-173, 15 s. 2012

Nakladatel

Springer-Verlag

Další údaje

Jazyk

angličtina

Typ výsledku

Stať ve sborníku

Obor

10201 Computer sciences, information science, bioinformatics

Stát vydavatele

Rakousko

Utajení

není předmětem státního či obchodního tajemství

Forma vydání

tištěná verze "print"

Impakt faktor

Impact factor: 0.402 v roce 2005

Kód RIV

RIV/00216224:14330/12:00057261

Organizační jednotka

Fakulta informatiky

ISBN

978-3-642-27168-7

ISSN

DOI

http://dx.doi.org/10.1007/978-3-642-27169-4_12

UT WoS

000306440900012

Klíčová slova anglicky

ranking; content-based retrieval; metric space

Štítky

DISA

Příznaky

Mezinárodní význam, Recenzováno

Změněno: 22. 4. 2013 23:32, RNDr. Pavel Šmerk, Ph.D.

Anotace

V originále

Current multimedia search technology is, especially in commercial applications, heavily based on text annotations. However, there are many applications such as image hosting web sites (e.g. Flickr or Picasa) where the text metadata are of poor quality in general. Searching such collections only by text gives usually rather unsatisfactory results. On the other hand, multimedia retrieval systems based purely on content can retrieve visually similar results but lag behind with the ability to grasp the semantics expressed by text annotations. In this paper, we propose various ranking techniques that can be transparently applied on any content-based retrieval system in order to improve the search results quality and user satisfaction. We demonstrate the usefulness of the approach on two large real-life datasets indexed by the MUFIN system. The improvement of the ranked results was evaluated by real users using an online survey.

Návaznosti

GA201/09/0683, projekt VaV

Název: Vyhledávání v rozsáhlých multimediálních databázích

Investor: Grantová agentura ČR, Vyhledávání v rozsáhlých multimediálních databázích

GP201/08/P507, projekt VaV

Název: Komplexní podobnostní dotazy nad rozsáhlými objemy dat

Investor: Grantová agentura ČR, Komplexní podobnostní dotazy nad rozsáhlými objemy dat

VF20102014004, projekt VaV

Název: Multimediální analýza (Akronym: Multimediální analýza)

Investor: Ministerstvo vnitra ČR, Multimediální analýza

Citovat

BUDÍKOVÁ, Petra, Michal BATKO a Pavel ZEZULA. Similarity Query Postprocessing by Ranking. In M. Detyniecki, P. Knees, A. Nurnberger, M. Schedl, and S. Stober. Adaptive Multimedia Retrieval. Context, Exploration, and Fusion, LNCS 6817. Revised Selected Papers. Berlin: Springer-Verlag, 2012, s. 159-173. ISBN 978-3-642-27168-7. Dostupné z: https://dx.doi.org/10.1007/978-3-642-27169-4_12.

@inproceedings{970312,
   author = {Budíková, Petra and Batko, Michal and Zezula, Pavel},
   address = {Berlin},
   booktitle = {Adaptive Multimedia Retrieval. Context, Exploration, and Fusion, LNCS 6817},
   doi = {http://dx.doi.org/10.1007/978-3-642-27169-4_12},
   edition = {Revised Selected Papers},
   editor = {M. Detyniecki, P. Knees, A. Nurnberger, M. Schedl, and S. Stober},
   keywords = {ranking; content-based retrieval; metric space},
   howpublished = {tištěná verze "print"},
   language = {eng},
   location = {Berlin},
   isbn = {978-3-642-27168-7},
   pages = {159-173},
   publisher = {Springer-Verlag},
   title = {Similarity Query Postprocessing by Ranking},
   year = {2012}
}

TY  - JOUR
ID  - 970312
AU  - Budíková, Petra - Batko, Michal - Zezula, Pavel
PY  - 2012
TI  - Similarity Query Postprocessing by Ranking
PB  - Springer-Verlag
CY  - Berlin
SN  - 9783642271687
KW  - ranking
KW  - content-based retrieval
KW  - metric space
N2  - Current multimedia search technology is, especially in commercial applications, heavily based on text annotations. However, there are many applications such as image hosting web sites (e.g. Flickr or Picasa) where the text metadata are of poor quality in general. Searching such collections only by text gives usually rather unsatisfactory results. On the other hand, multimedia retrieval systems based purely on content can retrieve visually similar results but lag behind with the ability to grasp the semantics expressed by text annotations. In this paper, we propose various ranking techniques that can be transparently applied on any content-based retrieval system in order to improve the search results quality and user satisfaction. We demonstrate the usefulness of the approach on two large real-life datasets indexed by the MUFIN system. The improvement of the ranked results was evaluated by real users using an online survey.
ER  -

BUDÍKOVÁ, Petra, Michal BATKO a Pavel ZEZULA. Similarity Query Postprocessing by Ranking. In M. Detyniecki, P. Knees, A. Nurnberger, M. Schedl, and S. Stober. \textit{Adaptive Multimedia Retrieval. Context, Exploration, and Fusion, LNCS 6817}. Revised Selected Papers. Berlin: Springer-Verlag, 2012, s.~159-173. ISBN~978-3-642-27168-7. Dostupné z: https://dx.doi.org/10.1007/978-3-642-27169-4\_{}12.

Podrobný výpis o publikaci