Diplomová práce

Transformations of personalized metric views

Bc. Aneta Böhmová
Anotace

Podobnostní vyhledávání je široce využíváno ve vektorových databázích, zejména při práci s obrázky, textem a dalšími komplexními daty reprezentovanými vektory. Podobnost je však často subjektivní a závislá na kontextu. Personalizované podobnostní vyhledávání tento problém řeší tím, že přizpůsobuje výsledky individuálním preferencím uživatele. Jedním z možných přístupů je využití metrického učení a …více

Abstract

Similarity search is widely used in vector databases, especially when working with images, text, and other complex data represented by embedding vectors. However, similarity is often subjective and contextdependent. Personalized similarity search addresses this by adapting retrieval to individual user preferences. One possible approach is to use metric learning and represent each user by a Mahalanobis …více

Klíčová slova
personalized similarity search relevance feedback metric learning Mahalanobis distance Cholesky decomposition matrix combination matrix similarity personalizované podobnostní vyhledávaní metrické učení Mahalanobisova vzdálenost Choleského rozklad kombinace matic podobnost matic
Zadání práce
Transform a similarity search database explored by the Mahalanobis distance into a form searchable by the Euclidean distance. For the transformation, use the Choleski matrix factorization. Investigate also the problem of transformation for a group of Mahalanobis distances. Verify the validity of proposed solutions by experiments on real-life CLIP image descriptors from the DISA laboratory.  The created code will be publicly available in the IS under the MIT license.
Administrativní informace
Práce zkontrolována:
20. 5. 2026 07:56, prof. Ing. Pavel Zezula, CSc., učo 47485
Plný text práce
1 MB / soubor PDF
Přílohy (1)
Jazyk práce
angličtina angličtina
Termín obhajoby
16. 6. 2026
Práce byla úspěšně obhájena

Vedoucí

prof. Ing. Pavel Zezula, CSc., učo 47485
KSUZD FI MU

Oponent

RNDr. Vladimír Míč, Ph.D., učo 359890
abs FI MU

Literatura

  • BELLET, Aurélien; Amaury HABRARD a Marc SEBBAN. Metric learning. San Rafael, California: Morgan & Claypool Publishers, 2015, xi, 139. ISBN 9783031004445.
Citovat tuto práci
Masarykova univerzita Fakulta informatiky
Studijní program
Plán
Zpracování a analýza rozsáhlých dat

Práce na příbuzné téma

Seznam prací, které mají shodná klíčová slova.

Podobné práce

  • Přidání souboru

    Soubor nebo složku lze nahrát pomocí tlačítka Přidat.

  • Další operace se soubory

    Podrobnosti lze zjistit označením příslušného řádku.

  • Pohled pro experty

    Pro častou práci je možné zvolit režim Více možností.

  • Vyhledávání souborů

    Vyhledávaný výraz můžete zadat přímo do adresního řádku.

  • Rychlý přístup k souborům

    Pomocí funkce Nedávné je možné se rychle vrátit k právě prohlíženým souborům. Oblíbené soubory je také možné označit Hvězdičkou.