การพัฒนาการค้นคืนข้อมูลข้ามมีเดียบนดัชนีแฮชโค้ด K-means

Abstract

เทคนิค Vector Quantization (VQ) ได้ถูกนำมาใช้กันอย่างแพร่หลายในการจัดการกับปัญหาและอุปสรรคของการจัดเก็บและเวลาในการประมวลผลข้อมูล สำหรับการค้นหาเพื่อนบ้านที่ใกล้ที่สุด (Nearest Neighbors: NN) ในแอปพลิเคชันต่าง ๆ ของข้อมูลมัลติมีเดีย ซึ่งอัลกอริทึม K means clustering เป็นวิธีการหนึ่งของ VQ เพื่อจัดการกับปัญหาดังกล่าว ปัจจุบันการค้นคืนข้อมูลข้ามมีเดีย (Cross-media retrieval) มีความสำคัญมากขึ้น เนื่องจากการเติบโตอย่างรวดเร็วของข้อมูลทางด้านมัลติมีเดีย เช่น ข้อความ รูปภาพ วิดีโอ เสียง และ ข้อมูล 3 มิติเราสามารถค้นคืนข้อมูลโดยการส่งคำถาม (query) ของสื่อประเภทหนึ่งเพื่อค้นคืนสื่ออีกประเภทหนึ่ง ถึงแม้ว่าจะมีการนำเสนอเทคนิค VQ หรืออัลกอริธึมการทำแฮชชิง (Hashing) จำนวนมาก เพื่อรหัสขนาดกะทัดรัด (Compact code) โดยมีวัตถุประสงค์ในการทำงานแบบเรียลไทม์แต่ถ้าจะค้นหาอย่างละเอียดถี่ถ้วน (Exhaustive search) นั้นไม่สามารถทำได้ในโลกแห่งความเป็นจริง และการคำนวณระยะทางแฮมมิง (Hamming distance) ก็ให้ผลลัพธ์ที่คลาดเคลื่อนสูง เนื่องจากมีการสูญเสียข้อมูลขณะทำการเข้ารหัส (Quantization loss) ในงานวิจัยนี้มีวัตถุประสงค์เพื่อ 1) พัฒนาตารางดัชนีแบบกลับด้านด้วยรหัส K-means และ 2) นำเสนอแนวทางและวิเคราะห์ประสิทธิภาพการค้นคืนข้อมูลข้ามมีเดียแบบใหม่ที่ผ่านการเรียนรู้เชิงลึก (DNN) โดยใช้วิธีการเรียนรู้คุณสมบัติของข้อมูลมัลติมีเดีย (Multimedia features) เพื่อการค้นคืนข้อมูลข้ามมีเดีย วิธีการที่นำเสนอเป็นวิธีการค้นหาแบบใหม่ที่ใช้ค่าความสัมพันธ์ (Relevant score) ของตารางดัชนีแบบกลับด้าน (Inverted index) ด้วยรหัสกลุ่ม K-means จับคู่กับคำถามดิบ (Raw query) โดยผ่านการเรียนรู้ด้วยโครงข่ายประสาทเทียมเชิงลึก (DNN) เพื่อปรับปรุงประสิทธิภาพของดัชนี K-means แบบดั้งเดิม การทดสอบได้ดำเนินการกับชุดข้อมูลมัลติมีเดียมาตรฐาน 4 ชุด ผลลัพธ์ที่ได้แสดงให้เห็นถึงประสิทธิผลที่ช่วยเพิ่มประสิทธิภาพ เมื่อเทียบกับการค้นคืนแบบพื้นฐาน (baseline) ด้วยรหัส K-means ทั้งด้านความถูกต้องและเวลา ซึ่งสามารถกล่าวสรุปได้ว่า โมเดลการเรียนรู้ DNN สามารถเรียนรู้คุณสมบัติข้อมูลคำถามดิบของข้อมูล มัลติมีเดียได้ดีในการเชื่อมโยงกับค่าคะแนนความสัมพันธ์ของแต่ละกลุ่ม K-means ได้อย่างมีประสิทธิภาพ