베이esian 관련성 피드백을 위한 최적화된 상호작용 전략

관련성 피드백을 통해 데이터베이스를 검색하기 위한 새로운 알고리즘과 체계적인 평가가 제시됩니다. 이는 PicHunter 시스템을 위한 새로운 이미지 표시 전략을 나타냅니다. 이 알고리즘은 상대 판단(“항목 A는 항목 B보다 더 관련성이 높다”)의 형태로 피드백을 수집하며, 이는 범주적 관련성 판단(“항목 A는 관련이 있지만 항목 B는 관련이 없다”)의 더 강한 가정과는 다릅니다. 또한 알고리즘은 인간 행동에 대한 학습된 확률 모델을 활용하여 수집한 피드백을 더 효과적으로 사용합니다. 이 알고리즘은 k-d 트리와 같은 인덱싱 방식의 확장으로 볼 수 있으며, 따라서 이름도 "확률적 비교 검색"입니다. 시뮬레이션에서 이 새로운 알고리즘에 필요한 피드백 양은 log/sub 2/ |D|와 같은 스케일을 가지며, 여기서 |D|는 데이터베이스의 크기를 나타냅니다. 반면, 간단한 예제 기반 쿼리 접근 방식은 |D|/sup /spl alpha//로 스케일되며, /spl alpha/<1은 데이터베이스의 구조에 따라 달라집니다. 이 이론적 장점은 1500개의 스톡 사진으로 구성된 데이터베이스에서 실제 사용자를 대상으로 한 실험에서 나타납니다.