Recuperación Basada en Contenido

M. Andrea Rodríguez TastetsDIIC - Universidad de Concepción

http://www.inf.udec.cl/~andrea

Búsqueda por contenido

Es una metodología de recuperación de información basada en el contenido con respecto al dominio de aplicación del proceso de recuperación. Usa un análisis y procesamiento digital para general descriptores (meta-data) a partir de los datos. Los méritos principales de sistemas basados en el contenido son:

Soporta el procesamiento de consultas visuales (o audio) La consulta es intuitiva y amistosa al usuario La generación de los descriptores es automática, siendo

objetiva y consistente.

Media

Definición: Media se refiera a todo medio de comunicación. Multimedia entonces, se refiere a la combinación de medios de comunicación, tales como imágenes, video, gráficos, señales de audio, texto, símbolos, etc. Desde una perspectiva de computación, información multimedial puede ser representada usando estructuras de datos o clases de objetos.

CBR

CBR puede ser clasificada en tres categorias, correspondiendo a auto-asociación, hetero-asociación, y combinación de las dos primeras. Estos tres tipos de recuperación son: búsqueda dentro de una clase de objetos, navegación entre clases de objetos, correspondencia parcial de objetos complejos.

CBR versus Clasificación

Un área relacionada a CBR es el reconocimiento de patrones, clasificación de patrones ya que ambas disciplinas usan descriptores y medidas de similitud. Clasificación de patrones particiona el espacio de descriptores en subespacios, posiblemente disjuntos para clases de patrones distintos. En CBR, por otro lado, lo central en el objeto. La similaridad tiene un rol principal y no cumple sólo la función de entrenamiento que apoya la clasificación, si no que es objetivo final.

CBR versus Clasificación

Clasificación Recuperación por Similaridad Función discriminadora Función de Similaridad Entrenamiento Aprendizaje Selección de Descriptores Selección de Descriptores Medida de Separabilidad Medida de Relatividad Conjunto de Medidas de Descriptores

Multimedia Objetos

Recuperación de Imágenes

Búsqueda por histogramas: La imagen es caracterizada por el histograma de colores. El histograma entrega la relativa cantidad de color sin considerar la localización, forma y textura de los objetos.

Recuperación de Imágenes

Búsqueda por color layout: Las imágenes son divididas en bloques y el color promedio a cada bloque es almacenado. Cada búsqueda basada en color layout es sensitiva a rotación y cambio de tamaño porque las imágenes son caracterizadas por propiedades locales. La similitud entre imágenes ese basa en comparar la signatura de ellas. Textura y forma no son consideradas y está limitada a la representación de imágenes en términos de niveles de intensidad.

Recuperación de Imágenes

Búsqueda basada en regiones: Los objetos en las imágenes son obtenidos a partir de un proceso de segmentación. A cada objeto se le pueden agregar color, textura, localización o una combinación de ellos.

¿Existe

en la Base de Datos?

Búsqueda de Configuraciones

Consulta

Consulta

Una consulta Q es un conjunto de n variables con un conjunto de m ≤ n(n-1)/2 restricciones.

Base de Datos de Imágenes

QuickTime™ and aGIF decompressor

are needed to see this picture.

Base de Datos Espacial

Satisfacción de Restricciones

• Dado un conjunto de variables {x1…xn}• Un dominio discreto y finito por cada variable

{D1…Dm}

• Un conjunto {Rk} de restricciones definidas sobre un dominio de variables

RjDi1x…Dij

• Encontrar una asignación de variables tal que las restricciones sean satisfechas

Restricciones: Topologías

Restricciones: Métrica

Restricciones: Métrica

Restricciones: Métrica

Restricciones: Métrica

Restricciones: Orientación

Problema: Comparar

aa

?

Descripción Contenido

Caracterización MBR

aa

AreaDiagonalAB

CD

Caracterización de MBRs

Real Fárea (MBR)

Real Fdiagonal (MBR)

aa

AreaDiagonalAB

CD

Caracterización de pares de MBRs

MBR Funión (MBR, MBR)

MBR Fintersección (MBR, MBR)

aa

ABA∪BC DC∩D

Caracterización de pares de MBRs

Real F d_exterior (MBR, MBR)

Real F d_interior (MBR, MBR)

aaa

ABdexteriorDCd interior

Indice de Contenido

aaaa

F(A,B)=area(A)−2area(A∩B)area(A) +distance(δA,δB)(δA)diagonal

Indice de Contenido

Indexación

• Evitar la revisión exhaustiva de una base de datos.

• Dado n objetos en la base de datos y m restricciones en la consulta, la revisión exhaustiva implica m permutaciones de n objetos O(nm), con n >>>> m.

Indexación

• Indexación espacial:

1. Indexación sobre objetos

2. Indexación sobre relaciones

Condición de Búsqueda

aaa

d(R(vi,vj),R(ui,uj))<τ(R(vi,vj))d(R(vj,vi),R(uj,ui))<τ(R(vj,vi))

•Una restricción entre variables de una consulta R(vi,vj) será satisfecha por la restricción entre instancias en la base de datos R(ui,uj) si:

Condición de Búsqueda

aaa

τ(R(vi,vj))=abs(1−abs(R(vi,vj)))⋅a,a<1.0

Preprocesamiento

• Eliminar restricciones

• Ordenar restricciones

Eliminación de Restricciones

• Relaciones entre objetos cercanos

• Satisfacción de consistencia basada en la composición de relaciones

Composición

R ; S (oi, ok) |

oj tal que (oi, oj) R y (oj, ok) S

A dentro B; B dentro CA dentro C

Composición

Composición

aa

;

Composición

a

;

disjoint meet overlap coveredBy inside covers contains equal

disjoint

equal

contains

covers

inside

coveredBy

overlap

meet

Grafo de Consistencia

aaa

∀i,jR''ij=R'ij∩R'ji∀i,jR'''ij=∩k=anR''ik;R''kj

∀iR'ii=Rii∩equal∀i,j|i≠jR'ij=Rij

Grafo de Consistencia

Una relación es derivable si es el único resultado de la intersección de composiciones usando todos los caminos en el grafo de configuración

Eliminación de restricciones

• El grafo resultante es único

• Ej: Existen ~2.245.000 consultas consistentes

con 5 objetos, lo que significa 25 relaciones posibles. De ellas, se pueden derivar 16 relaciones en promedio

Algoritmos de Búsqueda

• Forward-Checking Strategy

• Similitud:

aaa

D(Q,S)= Fm(vk,vl)−Fm(uk,ul)( )2+Fm(vl,vk)−Fm(ul,uk)( )2vi∈Q,uj∈S∑D(Q,S)= Fm(vk,vl)−Fm(uk,ul)( )2+Fm(vl,vk)−Fm(ul,uk)( )2vi∈Q,uj∈S∑

Algoritmos de Búsqueda

• Determinísticos: • Basado en permutaciones

• Algoritmos heurísticos:• Hill Climbing• Genéticos