Diversity-based interactive learning meets multimodality

در وظایف بازیابی تعاملی، یکی از اهداف اصلی این است که به حداکثر رساندن سود اطلاعات کاربر در طول جلسات جستجو. بازیابی بسیاری از موارد مرتبط بسیار مهم است، اما لزوما به طور کامل نیازهای کاربر را برآورده نمی کند. هنگامی که تنها آیتم های مربوط به تقریبا تکراری بازیابی می شوند، مقدار مفاهیم مختلف کاربران، قادر به استخراج از مجموعه هدف است بسیار محدود است. بنابراین، گسترش تعداد مفاهیم موجود در مجموعه نتیجه می تواند تجربه جستجوی کلی را بهبود بخشد. مفهوم های متنوع موجود در مجموعه بازیابی یک امکان برای افزایش بهره برداری اطلاعات در یک تکرار جستجو است، به حداکثر رساندن احتمال داشتن حداقل اقلام مربوطه برای هر یک از احتمالات احتمالی مأموریت های مبهم یا نامشخص. روشهای بازخورد مربوطه میتواند از نتایج متنوع برای بهبود مدلهای یادگیری ماشین داخلی استفاده کند. در این زمینه، این کار پیشنهاد و تحلیل چندین روش چندبعدی بازیابی تصویر ساخته شده در یک چارچوب یادگیری برای بازخورد مربوط به نتایج متنوع را ارائه می دهد. تجزیه و تحلیل تجربی ما نشان می دهد که روش های مختلف بازیابی به طور متنوعی تحت تأثیر قرار می گیرند، اما بهینه سازی بازیابی با استفاده از تنوع در لحظات مختلف یک جلسه جستجو به دست می آید. علاوه بر این، بهترین نتایج را با استفاده از روش پرس و جو با استفاده از اطلاعات چندجملهای به دست آمده از بازخورد بدست می آوریم. به طور خلاصه، ما نشان می دهیم که یادگیری با تنوع یک جایگزین موثر برای تقویت روش های یادگیری تعاملی چندجمله ای است.