الاسترجاع المتعدد الوسائط من خلال الترتيب المتعدّد الأبعاد القائم على الرسم البياني التلقائي

يُعد ترتيب الصور والأجسام المتعددة الوسائط بدقة أمرًا بالغ الأهمية في العديد من مهام الاسترجاع والتعلم. تم دراسة طرق التعلم المتعددي الأبعاد (Manifold learning) للترتيب بشكل رئيسي بسبب قدرتها على أخذ الهيكل المتعدد الأبعاد الداخلي الشامل بعين الاعتبار. في هذا البحث، تم اقتراح خوارزمية جديدة للترتيب المتعدد الأبعاد تعتمد على الهيبرجرافات (hypergraphs) لمهام الاسترجاع المتعدد الأبعاد غير المراقبة. وتفتقر هذه الطريقة إلى الطرق التقليدية القائمة على الرسوم البيانية، التي تمثل فقط العلاقات الثنائية، حيث تمتلك الهيبرجرافات القدرة على نمذجة علاقات التشابه بين مجموعة من الكائنات. وتستخدم الطريقة المقترحة الحواف الهيبرية (hyperedges) لبناء تمثيل سياقي للعينات البيانات، واستغلال المعلومات المشفرة لاستخلاص دالة تشابه أكثر فعالية. وأُجري تقييم تجريبي واسع على تسع مجموعات بيانات عامة تشمل سيناريوهات استرجاع متنوعة ومحتوى متعدد الوسائط. وأظهرت نتائج التجارب أن هناك مكاسب عالية في الفعالية مقارنة بالطرق الرائدة في مجالها.