이미지 태그 간의 의미적 관계에 기반한 효율적인 태그 랭킹 기법

Abstract

웹 2.0의 사용자-참여형 아키텍쳐를 구성하는 핵심요소로 인식되고 있는 폭소노미는 웹 자원에 대하여 사용자의 태그에 의해 만들어지는 분류 시스템이다. 최근, 이미지 검색 결과를 개선하기 위하여 폭소노미를 활용하는 이미지 검색에 관한 다양한 시도들이 제안되고 있다. 하지만, 의미적 모호성, 규제를 받지 않는 점 등과 같은 태그의 특징들로 인해 이미지 검색시 태그의 실효성이 제한된다. 특히, 이미지와 관련된 태그들이 임의의 순서로 할당되어 있어 태그와 이미지 사이의 관련성에 대한 정보를 전혀 제공하지 못하고 있다. 본 논문에서는 태그들을 이미지와의 관련성에 따라 정렬하기 위해 태그간 의미적 관계를 활용하는 새로운 방식의 이미지 태그 랭킹 시스템을 제안한다. 제한된 시스템은 2개의 단계로 구성되어 있다: 1) 태그 전달 단계 2) 태그 랭킹 단계. 태그 전달 단계에서 태그가 없는 입력이미지가 주어지면, 입력이미지와 시각적으로 비슷한 이미지들의 태그들에 대해 텍스트 전처리 작업을 수행한 후, 높은 출현빈도를 보이는 후보 태그들을 수집하여 태그 랭킹 단계로 전달한다. 태그 랭킹 단계에서, 전달받은 태그들에 대해 WordNet에서 개념간 의미적 계층 관계를 이용하여 태그간 의미적 관련정도를 측정한다. 그 후, 각 태그의 점수에 다양한 가중치를 적용하여 각 태그의 랭킹점수를 계산한다. 태그들은 각 태그의 랭킹점수에 따라 정렬되어, 의미적 관계에 기반한 태그 랭킹을 수행할 수 있다. 10,000장 이상의 Flickr 이미지 모음에 대한 실험 결과를 통하여 제안된 시스템이 효과적임을 볼 수 있다.;Folksonomy, considered as a core component for Web 2.0 user-participation architecture, is a classification system made by user's tags on the web resources. Recently, various approaches for image retrieval exploiting folksonomy have been proposed to improve the image search results. However, the characteristics of the tags such as semantic ambiguity, non-controlledness, and so on, limit the effectiveness of tags on image retrieval. Especially, tags associated with images in a random order do not provide any information about the relevance between a tag and an image. In this paper, we propose a novel image's tag ranking system which exploits the semantic relationships between tags for ordering the tags according to the relevance with an image. The proposed system consists of two phases: 1) tag propagation phase, 2) tag ranking phase. In tag propagation phase, for a given image without tags, after we perform preprocessing task for the tags of similar images, we collect the candidate tags with high occurrence frequency and propagate them to tag ranking phase. In tag ranking phase, for propagated tags, we estimate semantic relevance between tags using the semantic hierarchy relationship between concepts in WordNet. Afterward,we calculate ranking score of each tag by applying various weights to score of each tag. Finally, tags are ranked by ranking score of each tag, so that we can perform semantic relationship based tag ranking. From the experimental results on the Flickr photo collection over 10,000 images, we show the effectiveness of the proposed system.