EXPLORANDO MÉTODOS NÃO SUPERVISIONADOS PARA DIVERSIFICAÇÃO VISUAL

Abstract

Tradicionalmente, sistemas de recuperação de imagem por conteúdo estão sendo
aprimorados utilizando mecanismos de aprendizado de máquina aliados à realimentação
de relevância (Calumby et al. 2014), por meio da qual o usuário julga os resultados
apresentados, permitindo com o que o sistema aprenda e apresente melhores resultados
a cada interação.
Em vários cenários, tão importante quanto a relevância dos itens é a diversidade
do resultado. No processo de recuperação por conteúdo, dadas as intenções de busca do
usuário, não necessariamente os itens relevantes são aqueles que possuem maior valor
de relevância em relação à consulta. Informações relevantes podem pertencer a itens
com conceitos diferentes (Sanderson et al. 2009). A diversidade no resultado é essencial
para que o sistema aprenda de forma mais precisa o que é realmente relevante na busca,
pois permite ao usuário uma melhor visão dos possíveis itens obtidos como resultado.
Porém, em contrapartida, pode também mostrar itens irrelevantes. Métodos de
reranqueamento (Carbonell & Goldstein, 1998) e técnicas de agrupamento (Calumby et
al. 2014) têm sido empregados com intuito de promover esta diversidade.
Em recuperação de informação, a técnica Floresta de Caminhos Ótimos (OPF,
do inglês Optimum-Path Forest) (Papa, 2009) tem sido aplicada tanto em realimentação
de relevância (supervisionada)(da Silva et al. 2012) quanto em agrupamento de dados
(Rocha et al. 2009)(não supervisionada), mas não com o foco em promoção de
diversidade. Esta técnica, baseada na construção de árvores de caminhos ótimos, visa
conectar itens, criando grupos conceitualmente homogêneos. Consequentemente, estes
grupos podem ser associadas às diferentes intenções de busca de um usuário ou
diferentes interpretações que uma mesma consulta possa ter.
O objetivo deste trabalho é avaliar métodos não supervisionados em busca
interativa com promoção de diversidade, comparando e analisando seus resultados em
diferentes modalidades de busca.