摘要
提出一种支持海量跨媒体检索的集成索引结构.该方法首先通过对网页的预处理,分析其中不同模态媒体对象之间的链接关系,生成交叉参照图.然后通过用户相关反馈进行调节.当用户提交一个查询对象时,首先对交叉参照图进行基于索引的快速定位,得到与查询对象相关的候选媒体对象.然后对得到的候选媒体对象进行距离运算,得到结果媒体对象.理论分析和实验表明,该方法较顺序检索具有更好的性能,非常适合海量跨媒体数据检索.
This paper proposes a novel integrated indexing structure for the large-scale cross-media retrieval. In the cross-media retrieval, first a cross reference graph （CRG） is generated by hyperlink analysis of the webpages, which supports the cross-media retrieval. Then a refinement process of the CRG is conducted by users＇ relevance feedbacks. Three steps are made. First, when the user submits a query media object, the candidate media objects are quickly identified by searching the cross reference graph. Then the distance computation of the candidate vectors is conducted to get the answer set. The analysis and experimental results show that the performance of the algorithm is superior to that of sequential scan.
出处
《软件学报》
EI
CSCD
北大核心
2008年第10期2667-2680,共14页
Journal of Software
基金
国家自然科学基金
国家杰出青年基金
高等学校中英文图书数字化国际合作计划
浙江省自然科学基金
浙江省综合信息网技术重点实验室开放课题~~
关键词
跨媒体
交叉参照图模型
媒体对象
集成索引结构
cross-media, cross reference graph model, media object, integrated index structure
