Evaluación de una Estrategia de Expansión Local Conservadora en Recuperación de Información Visual

Resumen

En este trabajo comparamos dos métodos de expansión de la pregunta en el área de la Recuperación de Información Visual (RIV): Probabilistic Relevance Feedback (PRF) y Local Context Analysis (LCA). La principal diferencia observada entre ambos métodos es que mientras PRF utiliza para la expansión las anotaciones correspondientes a las primeras imágenes de un ranking, LCA evita utilizar anotaciones corespondientes a imágenes no relevantes, situadas en esas primeras posiciones, mediante una heurística basada en coocurrencia. Los resultados muestran que LCA obtiene mejor precisión que PRF a medida que la precisión del ranking utilizado para la expansión es menor. Esta observación hace de LCA un método especialmente adecuado para su utilización con rankings de baja precisión como los devueltos por sistemas de RIV basados en el contenido de la imagen. Y así lo demuestran los buenos resultados obtenidos utilizando la variante multimodal de LCA, que es la única estrategia de expansión local que no daña a la diversidad de los resultados, y a su vez la que obtiene nuestros mejores resultados de precisión con el conjunto de consultas de la tarea ImageCLEFPhoto 2008 – 4° MAP y 5° P20 de las 1039 ejecuciones automáticas enviadas por los participantes –.