Evaluación de una estrategia de expansión local conservadora en recuperación de información visual

Please use this identifier to cite or link to this item: http://hdl.handle.net/10045/10541
Información del item - Informació de l'item - Item information
Title: Evaluación de una estrategia de expansión local conservadora en recuperación de información visual
Other Titles: Evaluating a conservative automatic local expansion strategy for visual information retrieval
Authors: Navarro González, Sergio | Muñoz, Rafael | Llopis, Fernando
Research Group/s: Procesamiento del Lenguaje Natural y Sistemas de Información
Center, Department or Service: Universidad de Alicante. Departamento de Lenguajes y Sistemas Informáticos
Keywords: Recuperación de información visual | Expansión local | LCA | PRF | Visual information retrieval | Relevance feedback
Knowledge Area: Lenguajes y Sistemas Informáticos
Issue Date: Mar-2009
Publisher: Sociedad Española para el Procesamiento del Lenguaje Natural
Citation: NAVARRO GONZÁLEZ, Sergio; MUÑOZ GUILLENA, Rafael; LLOPIS PASCUAL, Fernando. “Evaluación de una estrategia de expansión local conservadora en recuperación de información visual”. Procesamiento del lenguaje natural. N. 42 (marzo 2009). ISSN 1135-5948, pp. 31-38
Abstract: En este trabajo comparamos dos métodos de expansión de la pregunta en el área de la Recuperación de Información Visual (RIV): Probabilistic Relevance Feedback (PRF) y Local Context Analysis (LCA). La principal diferencia observada entre ambos métodos es que mientras PRF utiliza para la expansión las anotaciones correspondientes a las primeras imágenes de un ranking, LCA evita utilizar anotaciones corespondientes a imágenes no relevantes, situadas en esas primeras posiciones, mediante una heurística basada en coocurrencia. Los resultados muestran que LCA obtiene mejor precisión que PRF a medida que la precisión del ranking utilizado para la expansión es menor. Esta observación hace de LCA un método especialmente adecuado para su utilización con rankings de baja precisión como los devueltos por sistemas de RIV basados en el contenido de la imagen. Y así lo demuestran los buenos resultados obtenidos utilizando la variante multimodal de LCA, que es la única estrategia de expansión local que no daña a la diversidad de los resultados, y a su vez la que obtiene nuestros mejores resultados de precisión con el conjunto de consultas de la tarea ImageCLEFPhoto 2008 – 4° MAP y 5° P20 de las 1039 ejecuciones automáticas enviadas por los participantes –. | In this paper we compare two query expansion methods in the Visual Information Retrieval (VIR) area: Probabilistic Relevance Feedback (PRF) and Local Context Analysis (LCA). The main difference observed between these methods is that while PRF assumes that annotations related to top-ranked images are relevant, LCA avoids to include terms from top-ranked non relevant images of the ranking using an heuristic based on coocurrence. The experiment results show us that LCA increases its precision over PRF for those rankings with lowest precision. Thus, LCA demonstrates to be specially suitable for low precision rankings as the ones returned by the VIR systems based on the content of the image. Indeed, our multimodal LCA variation is the only one local expansion strategy which do not hurt the diversity of the results and the one which reach our best precision results with the ImageCLEFPhoto 2008 task query set – 4° MAP and 5° P20 within the 1039 automatics runs submitted by the participants –.
Sponsor: Esta investigación ha sido llevada a cabo utilizando fondos procedentes del Gobierno español a través del proyecto TEXT-MESS (TIN-2006-15265-C06-01) y de la Unión Europea(UE) a través del proyecto QALL-ME (FP6-IST-033860).
URI: http://hdl.handle.net/10045/10541
ISSN: 1135-5948
Language: spa
Type: info:eu-repo/semantics/article
Peer Review: si
Appears in Collections:Procesamiento del Lenguaje Natural - Nº 42 (marzo 2009)
INV - GPLSI - Artículos de Revistas
INV - I+GE - Artículos de Revistas

Files in This Item:
Files in This Item:
File Description SizeFormat 
ThumbnailPLN_42_04.pdf750,78 kBAdobe PDFOpen Preview


Items in RUA are protected by copyright, with all rights reserved, unless otherwise indicated.