图像检索中基于长期学习的动态用户模型

摘要

提出一个结合长期学习的概率检索模型,即通过估算一个动态的用户模型来预测目标图像的概率分布.系统以反馈序列为用户模式,通过与反馈日志中用户模式的匹配,动态地调整对当前用户的预测.与PicHunter传统用户模型相比,此系统基于长期学习的方法,通过对用户反馈的观察,动态地调整当前的用户模型,从而更精确地推断当前用户的反馈行为.对1.1万幅图像数据库的实验表明,与已知方法相比,此方法对检索精度有明显的改善.