要約
画像およびマルチメディアオブジェクトの正確なランク付けは、多くの検索および学習タスクにおいて極めて重要な課題である。多様体学習手法は、その内在的なグローバルな多様体構造を考慮できるという特長から、ランク付けの分野で広く研究されてきた。本稿では、教師なしマルチメディア検索タスクを対象に、ハイパーグラフを用いた新しい多様体ランク付けアルゴリズムを提案する。従来のグラフベースのアプローチが二項間の関係しか表現できないのに対し、ハイパーグラフは複数のオブジェクト間の類似性関係をモデル化できる点が特徴である。提案手法はハイパーエッジを用いてデータサンプルの文脈的表現を構築し、そのエンコードされた情報を活用してより効果的な類似度関数を導出する。また、多様な検索シナリオとマルチメディアコンテンツを含む9つの公開データセットを用いた広範な実験評価を行った。実験結果から、最先端手法と比較して著しい効果の向上が確認された。