《多模態對象的相似度學習方法及其套用研究》是依託南京大學，由姜遠擔任項目負責人的面上項目。
基本介紹
- 中文名：多模態對象的相似度學習方法及其套用研究
- 項目類別：面上項目
- 項目負責人：姜遠
- 依託單位：南京大學
項目摘要,結題摘要,
項目摘要
利用機器學習技術對Web上的數據對象進行分析從而更準確高效地獲取信息，是機器學習、Web挖掘和搜尋等領域的研究熱點之一。網際網路上存在大量的多模態對象，要對這些對象進行有效的檢索，就需要有效地度量多模態對象之間的相似度。與分別考察單模態之後再融合相比，在表示和學習過程中綜合考慮多模態信息的互動與協作可望獲得更好的性能，而為了達成這一目標，就需要設計出面向多模態對象相似度學習的機器學習新方法。本課題擬對此進行研究，提出能有效利用不同模態互動協同的相似度學習方法、能有效利用不同模態相容互補性的特徵提取和選擇方法、提出能夠根據處理對象的不同而自適應確定待抽特徵的方法、能有效利用用戶互動提高利用未標註樣本的可靠性的方法，並將理論成果用於Web信息檢索原型系統。本課題可望在重要國際期刊、會議和國內一級學報上發表高質量論文5-8篇，申請國家發明專利1-2項，研製原型系統1個，培養研究生4-6名。
結題摘要
本項目對多模態對象的相似度學習方法進行研究，完成了原定研究計畫並取得了以下主要成果：(1)提出了能夠有效利用不同模態互動協同的相似度學習的方法；(2)提出了能夠有效利用不同模態相容互補性的特徵提取和選擇方法；(3)提出了能夠根據處理對象的不同而自適應確定待抽取特徵的方法；(4)提出了能夠有效利用用戶互動來提高利用未標註樣本的可靠性的方法；(5)設計並實現了Web圖像檢索原型系統。共發表/錄用論文23篇，其中國際期刊3篇（含一流國際期刊《IEEE Trans. Neural Networks》 2篇）、國際會議12篇（含頂級國際會議AAAI、IJCAI、MM等5篇），國內一級學報4篇。論文已被SCI、EI、ISTP收錄17篇次。獲重要國際會議PRCAI’10最佳論文獎、IEA/AIE’11最佳論文獎、MobiQuitous’11最佳論文提名獎、2次全國性會議論文獎，獲國家發明專利1項，培養了多名研究生。
