基于Tag-rank和典型相关性分析的在线商品跨媒体检索研究

摘要：

在线商品跨媒体检索是电子商务领域的研究热点，增强特征判别性以改善检索性能是其核心问题。引入Tag-rank模型计算单词的绝对排序和相对排序权重，以准确刻画单词在文本中出现位置的统计特性，抑制噪声干扰并提升关键词权重，从而增强文本特征判别性，最终改善跨媒体检索性能。实验表明：在文本检索图像中，相对排序类模型和绝对排序类模型检索性能平均提升6．58%和4．99%。在图像检索文本中，若合理选取图像特征；检索性能也有提升。所设计的后融合策略能进一步改善检索性能。

关键词：跨媒体检索、Tag-rank、相对排序、绝对排序、典型相关性分析(CCA)

所属期刊栏目：16

分类号：TP391.3(计算技术、计算机技术)

在线出版日期：2016-06-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：222-227,235