一种双层情感图像检索模型(英文)

随着信息技术的迅猛发展,情感信息处理已成为21世纪人工智能领域所面临的重要挑战之一。借鉴认知心理学、绘画艺术和服装设计的研究成果,本文提出了一种双层情感图像检索模型。在该模型中,借鉴心理学中的“维量”思想,建立情感空间;同时,抽取图像中较容易引起情感变化的特征作为图像的视觉特征,建立图像的特征空间;另外,本文还提出了情感注释的思想,采用支持向量机的方法建立图像的低层特征空间到用户的高层情感空间之间的映射,自动注释用户未曾评估的图像,实现了图像情感注释,在情感空间进行公共情感检索,快速获得用户情感信息,在此基础上,采用可视化交互式遗传算法实现因人而异的个性化情感检索,该模型应用于风景和服装图像的情感检索,取得了较好的实验结果。

基于Language Model的地理信息检索模型(英文)

区别于传统的信息检索,地理信息检索通过一个查询范围词来限制用户的兴趣区域.目前的技术一般是把该查询范围词作为一个过滤器,将在该范围之外的文档排除在查询结果外.但是,词在地理空间的频率分布并不是均匀的,因此词在排序结果中的重要性应该随着查询范围的变化而有所改变.为此,提出了一种新的基于语言模型的地理信息查询模型,把查询范围引入到传统的语言模型中.在该模型中,引入了一个local model来描述查询词的地理分布特性.实验结果表明,新的检索模型优于TF-IDF与传统的语言模型.