Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Introduction Kapitel lesen Erstes Kapitel lesen

2014 | OriginalPaper | Buchkapitel

4. Personalized Multimedia Search

verfasst von : Jitao Sang

Erschienen in: User-centric Social Multimedia Computing

Verlag: Springer Berlin Heidelberg

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Given results from multimedia content analysis and user modeling, personalized multimedia services are developed to satisfy customized needs. In this chapter, we introduce a general solution framework for personalized multimedia search. We first propose a multimodal generative model to simultaneously address tasks of multimedia content analysis and user modeling, and then present the risk minimization-based theoretical framework for personalized image search. The framework considers the noisy tag issue and enables easy incorporation of social relation.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel User Modeling on Social Multimedia Activity
Nächstes Kapitel Cross-Network Social Multimedia Computing
Fußnoten
1
We use topic distributions over tag words and visual descriptors to represent the topic space: \(T\) is the number of topics, \(|\fancyscript{W}|\) is the size of tag vocabulary, and \(|\fancyscript{V}|\) is the size of visual-descriptor vocabulary.
 
2
\(\varPsi _{u_1,u_2}(t), u_2\in \fancyscript{C}_{u_1}\) measures the influence strength from user \(u_2\) to \(u_1\) in the \(t\)th topic.
 
3
We assume that visual descriptor prior and tag word prior all follow uniform distribution, i.e., \(p(v_{di})=\frac{1}{|\fancyscript{V}|}\), \(p(w_{di})=\frac{1}{|\fancyscript{W}|}\).
 
Literatur
1.
Anagnostopoulos, A., Kumar, R., Mahdian, M.: Influence and correlation in social networks. In: KDD, pp. 7–15 (2008)
2.
Bender, M., Crecelius, T., Kacimi, M., Michel, S., Neumann, T., Parreira, J.X., Schenkel, R., Weikum, G.: Exploiting social relations for query expansion and result ranking. In: ICDE Workshops, pp. 501–506 (2008)
3.
Blei, D.M., Jordan, M.I.: Modeling annotated data. In: SIGIR, pp. 127–134 (2003)
4.
Carmel, D., Zwerdling, N., Guy, I., Ofek-Koifman, S., Har’El, N., Ronen, I., Uziel, E., Yogev, S., Chernov, S.: Personalized social search based on the user’s social network. In: CIKM, pp. 1227–1236 (2009)
5.
Chen, W., Wang, C., Wang, Y.: Scalable influence maximization for prevalent viral marketing in large-scale social networks. In: KDD, pp. 1029–1038 (2010)
6.
Chirita, P.-A., Nejdl, W., Paiu, R., Kohlschütter, C.: Using odp metadata to personalize search. In: SIGIR, pp. 178–185 (2005)
7.
Chua, T.-S., Tang, J., Hong, R., Li, H., Luo, Z., Zheng, Y.: Nus-wide: a real-world web image database from National University of Singapore. In: CIVR (2009)
8.
Cialdini, R.B.: Influence: The Psychology of Persuasion. HarperCollins, New York (2009)
9.
Crandall, D.J., Cosley, D., Huttenlocher, D.P., Kleinberg, J.M., Suri, S.: Feedback effects between similarity and social influence in online communities. In: KDD, pp. 160–168 (2008)
10.
Easley, D., Kleinberg, J.: Networks, Crowds, and Markets: Reasoning About a Highly Connected World. Cambridge University Press, Cambridge (2010)CrossRef
11.
Gou, L., Chen, H.-H., Kim, J.-H., Zhang, X., Giles, C.L.: Sndocrank: a social network-based video search ranking framework. In: Multimedia, Information Retrieval, pp. 367–376 (2010)
12.
Kempe, D., Kleinberg, J.M., Tardos, É.: Maximizing the spread of influence through a social network. In: KDD, pp. 137–146 (2003)
13.
Kraft, R., Maghoul, F., Chang, C.-C.: Y!q: contextual search at the point of inspiration. In: CIKM, pp. 816–823 (2005)
14.
Lafferty, J.D., Zhai, C.: Document language models, query models, and risk minimization for information retrieval. In: SIGIR, pp. 111–119 (2001)
15.
Lane, N.D., Lymberopoulos, D., Zhao, F., Campbell, A.T.: Hapori: context-based local search for mobile phones using community behavioral modeling and similarity. In: Proceedings of the UbiComp, pp. 109–118 (2010)
16.
Lerman, K.: Handbook of Research on Web 2.0, 3.0, and X.0: Technologies, Business, and Social Applications, Chapter Leveraging User-specified Metadata to Personalize Image Search. IGI Global, Pennsylvania (2009)
17.
Liu, L., Tang, J., Han, J., Jiang, M., Yang, S.: Mining topic-level influence in heterogeneous networks. In: CIKM, pp. 199–208 (2010)
18.
Lu, D., Li, Q.: Personalized search on flickr based on searcher’s preference prediction. In: WWW (Companion Volume), pp. 81–82 (2011)
19.
Lu, D., Li, Q., Liao, S.: A graph-based action network framework to identify prestigious members through member’s prestige evolution. Decis. Support Syst. 53(1), 44–54 (2012)CrossRef
20.
Mikolajczyk, K., Schmid, C.: A performance evaluation of local descriptors. IEEE Trans. Pattern Anal. Mach. Intell. 27(10), 1615–1630 (2005)CrossRef
21.
Pang, L., Cao, J., Zhang, Y., Lin, S.: Leveraging collective wisdom for web video retrieval through heterogeneous community discovery. In: ACM Multimedia, pp. 1485–1488 (2011)
22.
Ponte, J.M., Croft, W.B.: A language modeling approach to information retrieval. In: Proceedings of the 21st Annual International ACM SIGIR Conference on Research and Development in Information Retrieval, pp. 275–281 (1998)
23.
Qiu, F., Cho, J.: Automatic identification of user interest for personalized search. In: WWW, pp. 727–736 (2006)
24.
Robert, C.P., Casella, G.: Monte Carlo Statistical Methods. Springer, New York (1999)CrossRefMATH
25.
Ronald, N., Dignum, V., Jonker, C.M.: When will i see you again: modelling the influence of social networks on social activities. In: MALLOW (2010)
26.
27.
28.
Sang, J., Xu, C., Liu, J.: User-aware image tag refinement via ternary semantic analysis. IEEE Trans. Multimed. 14(3), 883–895 (2012)CrossRef
29.
Smyth, B.: A community-based approach to personalizing web search. Computer 40(8), 42–50 (2007)CrossRef
30.
Tang, J., Sun, J., Wang, C., Yang, Z.: Social influence analysis in large-scale networks. In: KDD, pp. 807–816 (2009)
31.
Xiang, R., Neville, J., Rogati, M.: Modeling relationship strength in online social networks. In: WWW, pp. 981–990 (2010)
32.
Zhuang, J., Mei, T., Hoi, S.C.H., Hua, X.-S., Li, S.: Modeling social strength in social media community via kernel-based learning. In: ACM Multimedia, pp. 113–122 (2011)
Metadaten
Titel
Personalized Multimedia Search
verfasst von
Jitao Sang
Copyright-Jahr
2014
Verlag
Springer Berlin Heidelberg
Buch
User-centric Social Multimedia Computing

Print ISBN: 978-3-662-44670-6

Electronic ISBN: 978-3-662-44671-3

Copyright-Jahr: 2014

DOI
https://doi.org/10.1007/978-3-662-44671-3_4

Neuer Inhalt

    Bildnachweise