Themenmodellierung von Instagram-Hashtags: Ein alternativer Weg zur automatischen Bildannotation?

Die automatische Bildannotation (AIA) ist der Prozess, digitale Bilder ohne menschliches Eingreifen mit Tags zu versehen. Die meisten modernen Methoden der automatischen Bildannotation basieren auf dem Lernparadigma durch Beispiele. Bei diesen Methoden ist der Aufbau der Trainingsbeispiele, also Paare von Bildern und zugehörigen Tags, der erste kritische Schritt. In unseren vorherigen Studien haben wir gezeigt, dass Hashtags, die Bilder in sozialen Medien und insbesondere auf Instagram begleiten, eine wertvolle Quelle zur Erstellung von Trainingsdatensätzen für AIA bieten. Wir haben jedoch festgestellt, dass nur 20 % der Instagram-Hashtags den tatsächlichen Inhalt des begleitenden Bildes beschreiben; daher müssen mehrere Filterungsschritte angewendet werden, um die geeigneten Hashtags zu identifizieren. In diesem Papier wenden wir Themenmodellierung mit Latent Dirichlet Allocation (LDA) auf Instagram-Hashtags an, um das Thema der zugehörigen Bilder vorherzusagen. Da ein Thema aus einer Gruppe verwandter Begriffe besteht, bietet die Identifizierung des visuellen Themas eines Instagram-Bildes durch die vorgeschlagene Methode eine plausible Menge von Tags, die im Kontext der Ausbildung von AIA-Methoden verwendet werden können.