CI-SNF: Exploiting contextual information to improve SNF based information retrieval
CI-SNF: Exploiting contextual information to improve SNF based information retrieval
复制标题
CI-SNF：利用上下文信息改进基于 SNF 的信息检索
DOI：
10.1016/j.inffus.2018.08.004
复制
发表时间：
2019-12
影响因子：
18.6
通讯作者：
Chen Ning
中科院分区：
文献类型：
--
作者：
Chen Ning
相似性网络包含重要的拓扑特征和模式，对于理解大型数据集中样本之间的相互作用至关重要。为了创建数据集内交互的综合视图，已经提出了相似性网络融合（SNF）技术，以将基于不同数据类型的相似性网络融合成一个表示底层数据的全谱的相似性网络。本文提出了一种基于上下文信息的SNF算法（CI-SNF）。在CI-SNF中，首先，对SNF融合相似性执行修改的Jaccard距离，以利用融合相似性网络中包含的上下文信息。其次，从同一类别的样本的局部一致性增强推测，位于高的Jaccard距离的排名列表中的特定查询是来自同一类别的查询。第三，引入倒排索引技术，利用局部一致性相似网络的稀疏性，提高计算效率。为了验证CI-SNF模型的有效性和效率，它被应用在四个不同的任务，封面歌曲识别（CSI），图像分类，癌症亚型识别和药物分类，分别。在13个具有挑战性的数据集上进行的大量实验表明，CI-SNF方案在所有四个任务中都优于包括SNF在内的最先进的相似性融合算法。它也被验证，利用包含在基于SNF的相似性网络的上下文信息有助于提高基于SNF的方案的性能，进一步。
Similarity networks contain important topological features and patterns critical to understanding interactions among samples in a large dataset. To create a comprehensive view of the interactions within a dataset, the Similarity Network Fusion (SNF) technique has been proposed to fuse the similarity networks based on different data types into one similarity network that represents the full spectrum of underlying data. In this paper, a modified version of SNF, which is named as Contextual Information based SNF (CI-SNF), is proposed. In CI-SNF, first, modified Jaccard distance is performed on the SNF fused similarity to utilize the contextual information contained in the fused similarity network. Second, the local consistency of samples from the same category is enhanced by speculating that the samples which are located high in the Jaccard distance based ranking list of a specific query are from the same category as the query. Third, the inverted index technique is introduced to utilize the sparsity property of the locally consistent similarity network to enhance the computational efficiency. To verify the effectiveness and efficiency of CI-SNF model, it is applied in four different tasks, Cover Song Identification (CSI), image classification, cancer subtype identification, and drug taxonomy, respectively. Extensive experiments on thirteen challenging datasets demonstrate that CI-SNF scheme outperforms state-of-the-art similarity fusion algorithms including SNF in all four tasks. It is also verified that utilizing the contextual information contained in the SNF-based similarity network helps to enhance the performance of the SNF-based scheme, further.
登录
查看更多内容
翻唱歌曲识别的相似度融合方案
影响因子：
1.1
作者：
Chen, Ning;Xiao, Hai-dong
通讯作者：
Xiao, Hai-dong
用于鲁棒图像重排序的弱监督多图学习
影响因子：
7.3
作者：
Deng Cheng;Ji Rongrong;Tao Dacheng;Gao Xinbo;Li Xuelong
通讯作者：
Li Xuelong
DOI：
10.1016/j.patcog.2015.10.006
发表时间：
2013-12
期刊：
2013 IEEE International Conference on Computer Vision
影响因子：
--
作者：
Bo Wang-;Z. Tu;John K. Tsotsos
通讯作者：
Bo Wang-;Z. Tu;John K. Tsotsos
DOI：
--
发表时间：
2015
期刊：
--
影响因子：
--
作者：
Ning Chen;J. S. Downie;Haidong Xiao;Y. Zhu;Jie Zhu
通讯作者：
Ning Chen;J. S. Downie;Haidong Xiao;Y. Zhu;Jie Zhu
DOI：
10.1109/wacv.2015.82
发表时间：
2015-01
期刊：
2015 IEEE Winter Conference on Applications of Computer Vision
影响因子：
--
作者：
Fan Yang;B. Matei;L. Davis
通讯作者：
Fan Yang;B. Matei;L. Davis