• 한국멀티미디어학회논문지
• /
• 제8권10호
• /
• pp.1306-1313
• /
• 2005

Relevance Feedback(RF)은 사용자의 인지적 피드백(perceptual feedback)을 사용하는 영상 검색 기법 중의 하나로서, 사용자 피드백을 통해 얻게 되는 적합성 정보(relevance information)를 이용하여 사용자 질의(query)를 점진적으로 구체화하게 된다. 그러나, 기존 RF 기법에서는 이러한 적합성 정보가 매우 유용한 정보임에도 불구하고, 검객이 끝나는 순간 없애버리고 만다. 그래서, 본 논문에서는 사용자의 인지적 피드백 정보를 버리지 않고, 저장하는 새로운 개념의 RF를 제안한다. 새로 제안된 RF는 시간의 흐름에 따라 축적되어 저장된 상위 레벨의 적합성 정보(high-level relevance information)를 하위 레벨의 특징벡터(low-level feature vectors)와 동적으로(dynamically) 결합하여 사용함으로써, 검색의 효율성을 크게 향상시킨다. 제안 방법의 우수성을 입증하기 위해 다양한 실험 결과도 제시한다.

• 인터넷정보학회논문지
• /
• 제1권2호
• /
• pp.89-96
• /
• 2000

영상의 유사성에 대한 사용자의 주관적인지를 학습하는 방법으로 relevance feedback 기술이 사용되며, 최근 들어 이에 대한 관심이 높아지고 있다. 대부분의 relevance feedback기술은 영상 유사성을 측정하는데 사용되는 특징이 서로 독립적이라는 가정하고 있으나, 이러한 가정은 유사성 판단을 모델링 하는데 있어서 상당한 제약을 두는 것이다. 이 논문에서는. 퍼지 측정과 Choquet 적분을 이용하여, 유사성 판단에 대한 보다 나은 모델링 방법을 제안하고, 이를 이용한 relevance feedback 알고리즘을 제안한다. 실험결과를 통하여, 기존의 가중치 평균 방식에 의한 relevance feedback보다 제안된 방식이 우수함을 보인다.

• 한국지능시스템학회논문지
• /
• 제17권6호
• /
• pp.754-759
• /
• 2007

정보추천은 동적인 사용자의 정보요구를 기준으로 문서들을 선별하여 제시한다. 사용자의 정보요구는 하나 이상의 단어들로 구성된 프로파일로 표현이 되며, 문서의 추천 과정 동안에 발생하는 사용자의 관련성 평가를 통해 구체적인 내용으로 변할 수 있다. 기존 연구의 경우 사용자는 자신이 직접 관련성 평가에 참여하여 평가 정보를 입력하고, 사용자가 평가한 긍정적 피드백 정보를 이용하여 사용자 프로파일을 학습한다. 본 연구는 사용자가 평가한 긍정적 피드백, 부정적 피드백 정보와 강화학습을 이용한 사용자 프로파일의 학습 방법을 제안한다. 제안된 방법과 기존의 긍정적 평가 정보만을 이용한 방법의 성능을 측정하기 위해 동일한 토픽에 대한 추천 성능을 비교 실험하였다. 실험한 결과 제안된 방식에 의한 추천성능이 긍정적 평가 정보만을 이용한 피드백 방법보다 나은 성능을 보였다.

• 방송공학회논문지
• /
• 제5권1호
• /
• pp.61-67
• /
• 2000

사용자 피드백은 일반적으로 사용자가 의도하는 정지영상 검색 조건을 기술하는 데만 주로 사용되어 왔다. 그러나, 본 논문에서는 사용자 피드백을 정지영상의 특징을 기술하는데 사용함으로써 사용자에 의존적이지 않은 정지영상 검색에 적용하였다. 그리고 본 논문에서는 사용자 피드백을 사용하여 각 정지영상마다 고유한 특징을 반영하도록 특징 정보와 관련된 가중치를 전문가에 비중을 두어 학습시킴으로써, 일반적인 검색 성능을 향상시킬 수 있다. 이러한 시스템을 구축하기 위해 본 논문에서는 칼라 기술자와 텍스쳐 기술자를 기반으로 한 전역 특징 정보와 지역 특징 정보, 그리고 각 기술자들간의 가중치와 기술자 내의 요소 가중치로 구성된 정지영상 기술 구조를 제안하고, 또한 잘못된 학습을 방지하기 위해 신뢰도에 기반한 가중치 학습 방법을 소개한다.

• ETRI Journal
• /
• 제29권5호
• /
• pp.700-702
• /
• 2007

We present a relevance feedback approach based on multi-class support vector machine (SVM) learning and cluster-merging which can significantly improve the retrieval performance in region-based image retrieval. Semantically relevant images may exhibit various visual characteristics and may be scattered in several classes in the feature space due to the semantic gap between low-level features and high-level semantics in the user's mind. To find the semantic classes through relevance feedback, the proposed method reduces the burden of completely re-clustering the classes at iterations and classifies multiple classes. Experimental results show that the proposed method is more effective and efficient than the two-class SVM and multi-class relevance feedback methods.

• 한국정보통신학회논문지
• /
• 제16권3호
• /
• pp.424-431
• /
• 2012

정보 검색 시 검색엔진은 사용자에게 웹페이지 순위와 웹페이지의 요약정보를 제공한다. 이중 웹 페이지를 대표 할 수 있는 요약된 정보를 스니핏(snippet)이라한다. 스니핏은 사용자의 웹페이지 방문에 큰 영향을 준다. 정확한 방문 페이지의 정보를 모르고 단지 스니핏 만을 이용할 때에 가끔 사용자의 의도와는 다른 잘못된 웹 페이지를 방문할 수 있다. 이것은 검색엔진에서 지원하는 스니핏에 사용자의 의도를 정확하게 반영하는 것이 어렵기 때문이다. 본 논문은 이러한 문제를 해결하기 위해 연관 피드백과 퍼지 함의 연산자를 이용한 새로운 스니핏 추출 방법을 제안한다. 제안방법은 연관 피드백을 이용하여 사용자의 질의를 확장하고, 확장된 질의와 웹 페이지 사이에 퍼지 함의 연산자를 이용하여 질의와 확장된 질의의 포함관계가 반영된 스니핏을 추출함으로써 사용자의 의도를 스니핏에 더 잘 반영할 수 있다. 실험결과에서 제안방법이 다른 방법보다 스니핏 추출에 더 좋은 성능을 보인다.

• 대한전자공학회논문지SP
• /
• 제49권2호
• /
• pp.137-142
• /
• 2012

스니핏(snippet)이란 검색엔진이 사용자에게 제공하는 웹 페이지를 대표할 수 있는 요약된 정보이다. 스니핏은 검색엔진의 페이지 순위와 함께 사용자의 페이지 방문에 큰 영향을 준다. 스니핏을 이용시 가끔 사용자의 의도와는 다른 잘못된 웹 페이지를 방문할 수 있다. 이것은 스니핏을 추출하는 방법이 사용자의 의도를 정확히 이해하는 것이 어렵기 때문이다. 본 논문은 이러한 문제를 해결하기 위해 의사연관 피드백과 퍼지 연관을 이용한 새로운 스니핏 추출 방법을 제안한다. 제안방법은 의사연관 피드백을 이용하여 사용자의 질의를 확장학고, 확장된 질의와 웹 페이지 사이에 퍼지 연관을 이용함으로써 사용자의 의도가 의미적으로 더 잘 포함되는 스니핏을 추출할 수 있다. 실험결과 제안방법이 다른 방법에 비하여서 스니핏 추출에 더 좋은 성능을 보인다.

• 한국문헌정보학회지
• /
• 제35권3호
• /
• pp.173-189
• /
• 2001

This paper presents a framework for observable behavior that can be used as a basis for user modeling, and it reports the results of a pair of user studies that examine the joint utility of two specific behaviors. User models can be constructed by hand, or they can be teamed automatically based on feedback provided by the user about the relevance of documents that they have examined. By observing user behavior, it is possible to obtain implicit feedback without requiring explicit relevance judgments. Four broad categories of potentially observable behavior are identified : examine, retain, reference, and annotate, and examples of specific behaviors within a category are further subdivided based on the natural scope of information objects being manipulated . segment object, or class. Previous studies using Internet discussion groups (USENET news) have shown reading time to be a useful source of implicit feedback for predicting a user's preferences. The experiments reported in this paper extend that work to academic and professional journal articles and abstracts, and explore the relationship between printing behavior and reading time. Two user studies were conducted in which undergraduate students examined articles or abstracts from the telecommunications or pharmaceutical literature. The results showed that reading time can be used to predict the user's assessment of relevance, that the mean reading time for journal articles and technical abstracts is longer than has been reported for USENET news documents, and that printing events provide additional useful evidence about relevance beyond that which can be inferred from reading time. The paper concludes with a brief discussion of the implications of the reported results.

• 한국멀티미디어학회논문지
• /
• 제7권9호
• /
• pp.1312-1320
• /
• 2004

최근 다양한 시각적 특징 표현들이 연구되고 많은 시스템들이 만들어졌음에도 불구하고 기존의 내용기반 영상 검색 접근 방식들은 유음성에서 한계가 있었다. 특히 사용자의 고 수준개념들과 시스템의 저 수준 특징 사이의 차이와 시각적 내용에 대한 인간의 유사성 인식의 주관성이 배제되는 한계를 지니고 있었다. 따라서 영상정보의 정확한 데이터 전달과 이를 효율적으로 검색하기 위한 방법이 요구된다. 적합성 피드백은 멀티미디어 검색에 있어 사용자가 요구하는 정보를 반영할 수 있어 영상의 검색 효율을 높일 수 있다. 본 논문에서는 기존의 적합성 피드백 기법의 성능을 향상시키기 위해 경계 값과 pre-fetching을 이용하여 긍정적 피드백과 부정적 피드백을 혼합한 개선된 영상 검색 기법을 제안한다. 또한, 제안된 피드백 기법을 이용하여 기존의 검색시스템을 보다 발전시킨 영상 검색 시스템을 구현한다.

• 한국정보처리학회논문지
• /
• 제6권7호
• /
• pp.1832-1840
• /
• 1999

기존의 한국어 웹 정보 검색 시스템은 대부분이 불리언 검색 시스템이므로 사용자가 원하는 정보를 한 번의 질의에 의해 얻기가 매우 어렵다. 또한 생략이 빈번하고 링크가 많은 웹 문서의 특성상 기존의 역문헌 빈도에 의한 키워드 선정은 중의성의 문제를 가중시켜 부적절한 키워드가 추출된다. 따라서 원하는 정보를 얻을 때까지 사용자는 질의어의 수정을 반복한다. 본 논문에서는 이러한 문제를 해결하기 위해 연관 피드백(Relevace Feedback) 에이전트 시스템을 설계하고 구현하였다. 연관 피드백 에이전트 시스템은 사용자의 선호 키워드에 대한 적합 문서를 추출하여 선호 키워드를 선호 DB 테이블로 저장하였다가 사용자가 추후에 검색할 때 사용자 질의에 연관 키워드를 추가하여 검색한다. 이 결과로 사용자의 질의 수정의 횟수를 줄이고 검색 효율을 향상시킬 수 있었다.