이미지 기반 추천 시스템에서의 정서적 라벨링 (Affective Labeling)
Source
Evernote/Papers/Affective Labeling in a Content-Based Recommender System for Images.md
Summary
본 논문은 이미지 기반 콘텐츠 추천 시스템(CBR)에서 사용자의 정서적 반응을 암묵적으로 수집하는 방법론을 제시한다. 사용자의 얼굴 표정 영상에서 Gabor 특징을 추출하고 k-NN 알고리즘을 적용하여 Valence-Arousal-Dominance 공간의 정서적 라벨을 생성한다. 실험 결과, 명시적 라벨이 가장 높은 성능을 보였으나, 제안된 암묵적 라벨링 방식은 일반 메타데이터보다 추천 성능을 유의미하게 향상시키며 사용자에게 방해가 되지 않는(non-obtrusive) 피드백 수단임을 확인했다.
Key Points
- 사용자 얼굴 표정 영상을 통한 정서적 라벨의 암묵적 획득 방법론 제안
- Gabor 특징 추출 및 k-NN 머신러닝을 활용한 Valence-Arousal-Dominance 공간 매핑
- 추천 성능 비교: 명시적 라벨 > 암묵적 라벨 > 일반 메타데이터
- 암묵적 라벨링은 일반 메타데이터 대비 성능 향상과 함께 비침습적 피드백의 장점 보유
Related
-
Feature Ensemble Plus Sample Selection: Domain Adaptation for Sentiment Classification
-
An Unsupervised Feature Selection Framework for Social Media Data
-
Semantic content-based recommendation of software services using context
-
Semantic contextual advertising based on the open directory project
-
The Semantic Web and End Users: What’s Wrong and How to Fix It
-
의미적 궤적 모델링 및 분석 (Semantic Trajectories Modeling and Analysis)
-
Active Learning through Adaptive Heterogeneous Ensembling (AHE)
-
A Pure Visual Approach for Automatically Extracting and Aligning Structured Web Data
-
웹 데이터베이스 검색 결과 자동 주석 처리 (Automatic Annotation of Web Database Search Results)
-
Structured Streaming Skeleton (SSS): 온라인 인간 제스처 인식용 새로운 특징 추출 방법
-
언어 독립적 시간 표현 판별적 파싱 (Language-Independent Discriminative Parsing of Temporal Expressions)