Ein Hybridansatz zur Interaktion mit Retrievalsystemen

Zusammenfassung Gängige Retrievalsysteme nutzen qualitative oder quantitative Ansätze, um das subjektive Ähnlichkeitsempfinden der Nutzer bzw. ihre Präferenzen bezüglich einer Anfrage zu formulieren. Die beiden Ansätze treten dabei meist getrennt auf. Vertreter qualitativer Ansätze sehen quantitative Ansätze, die Ergebnismengen auf Basis numerischer Score-Werte und Gewichtungen erzeugen und damit eine Totalordnung generieren, meist als Spezialisierung ihrer Methoden. Die vorgestellte Arbeit versucht, die Vorzüge beider Methoden zu verbinden, um dem Nutzer eine vereinfachte Interaktion während des Relevance Feedbacks mit dem Retrievalsystem zu bieten, ohne auf die höhere Ausdifferenzierung der Ergebnismenge quantitativer Ansätze verzichten zu müssen. Die Interaktion mit dem System geschieht dabei allein auf Basis der Angabe von intuitiv verständlichen Präferenzpaaren, die wiederum eine Halbordnung bilden. Hierbei muss angemerkt werden, dass die Angabe einer Präferenz≥ immer auf einzelnen Paaren der Ergebnismenge geschieht und nicht mittels abstrakter Präferenzen, deren konkrete Angabe gerade im Feld des Multimedia Retrievals schwierig erscheint. Diese nutzerdefinierte Halbordnung stellt die Grundlage für ein maschinelles Lernverfahren auf Basis einer nicht-linearen Optimierung dar, welches aus den speziellen Präferenzen allgemeingültige Gewichtungen für die Anfrage generiert. Erste Ergebnisse experimenteller Untersuchungen zeigen, dass der vorgestellte Ansatz gut einsetzbar ist und weiterverfolgt werden sollte.