文献

J-GLOBAL ID：201302242217780550   整理番号：13A1145190

ソーシャルタグの関連性学習のための統一型埋込みを用いた非線形行列因数分解

Nonlinear matrix factorization with unified embedding for social tag relevance learning

著者 (3件)： LI Zechao (National Lab. of Pattern Recognition, Inst. of Automation Chinese Acad. of Sciences, No. 95, Zhongguancun East Road ...) ,  LIU Jing (National Lab. of Pattern Recognition, Inst. of Automation Chinese Acad. of Sciences, No. 95, Zhongguancun East Road ...) ,  LU Hanqing (National Lab. of Pattern Recognition, Inst. of Automation Chinese Acad. of Sciences, No. 95, Zhongguancun East Road ...)
資料名： Neurocomputing  (Neurocomputing)
巻： 105  ページ： 38-44  発行年： 2013年04月01日 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： ソーシャル画像の普及とともに,テキストに基づくソーシャル画像検索にとってソーシャル画像タグ付けが極めて重要な課題となる。しかしながら,Webユーザによりアノテーション付けされた元のタグは常にノイズを含み,関連性が無く,不完全であり,画像のビジュアルコンテンツの解釈が難しくなる。本論文では,それらビジュアルコンテンツに対するタグの関連性を効果的に予測するために,画像およびタグの間での相互および内部相関の前処理を用いて,非線形行列因数分解手法を提案した。提案手法においては,統一された空間の中で,画像を潜在特徴空間およびタグ潜在特徴空間を発見する試みを行ったが,それは即ち,この統一化空間の中でそれぞれの画像またはタグが一つの点として記述可能になった。直感的にいえば,その統一化空間における距離または類似度に基づいて,画像やタグ間の関係を直接推定するために,それがより可理解性が高い。このようにして,統一化空間における最近タグ近傍探索により画像タグ付けまたはタグレコメンデーションのタスクが効率的に解決できるようになった。それと類似しているが,キーワードによる画像検索タスクを遂行するために,任意のタグに対応したトップ関連画像の獲得が可能になった。ここでは,タグレコメンデーションおよび画像検索のそれぞれに関しての提案手法の性能調査を行い,挑戦的なNUS-WIDEデータセット上で既存研究との比較を行った。包括的実験により,実世界アプリケーションにおける提案手法の有効性およびポテンシャルを示した。Copyright 2013 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： *アノテーション ,  *画像検索 ,  *機械学習 ,  *因数分解 ,  空間 ,  度 ,  販売促進 ,  キーワード ,  評価試験 ,  性能評価 ,  標識 ,  コンテンツ ,  行列 ,  非線形性
準シソーラス用語： ソーシャルタグ ,  タグ付け【画像】 ,  レコメンデーション【Web】 ,  特徴空間 ,  *非線形行列因数分解 ,  類似度 ,  非線形行列

分類 (3件)： 人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I) ,  数値計算  (JE02000J)

タイトルに関連する用語 (5件)： 関連性 ,  学習 ,  埋込み ,  非線形 ,  行列因数分解