Resumen

Este documento describe un enfoque para explotar la retroalimentación implícita del usuario recopilada durante tareas interactivas de recuperación de video. Proponemos un marco de trabajo, en el que el video se indexa primero según características temporales, textuales y visuales, y luego se realiza un análisis de la retroalimentación implícita del usuario utilizando una metodología basada en grafos. El grafo generado codifica las relaciones semánticas entre segmentos de video basados en interacciones pasadas del usuario y posteriormente se utiliza para generar recomendaciones. Además, combinamos las características visuales y la información de retroalimentación implícita entrenando un clasificador de máquina de vectores de soporte con ejemplos generados a partir del mencionado grafo para optimizar la búsqueda por ejemplo visual. El marco propuesto se evalúa mediante experimentos con usuarios reales. Los resultados demuestran que se reporta una mejora significativa en términos de precisión y recall después de la explotación de la retroalimentación implícita del usuario, mientras que se presenta un ranking mejorado en la mayoría de las

• Materias:Música móvil Código abierto Tolerancia semántica Vigilancia por computadora Algoritmos de detección
• Subjects:Mobile music Open source Semantic tolerance Computer surveillance Detection algorithms
• Palabras claves:Enfoque; Retroalimentación implícita del usuario; Recuperación de video; Metodología basada en grafos; Características visuales; Máquina de vectores de soporte
• Keywords:Approach; Implicit user feedback; Video retrieval; Graph-based methodology; Visual features; Support vector machine