比较用于艺术品推荐的神经特征与基于吸引力的视觉特征
信息检索
2017-07-25 v2 人工智能
计算机视觉与模式识别
数字图书馆
摘要
近年来图像处理和计算机视觉的进展促进了视觉特征在艺术品推荐中的应用。最近的工作表明，从预训练深度神经网络 (DNN) 获得的视觉特征在推荐数字艺术品方面表现非常出色。其他最近的工作表明，基于吸引力的显式视觉特征 (EVF) 在偏好预测任务中表现良好，但之前没有工作在推荐性能方面将 DNN 特征与特定的基于吸引力的视觉特征（例如亮度、纹理）进行比较。在这项工作中，我们使用 UGallery（一家实体画作在线商店）的交易数据，研究并比较了 DNN 和 EVF 特征在实体艺术品推荐方面的性能。此外，我们进行了探索性分析，以了解 DNN 嵌入特征是否与某些 EVF 存在关联。我们的结果表明，DNN 特征优于 EVF，某些 EVF 特征更适合实体艺术品推荐，最后，我们展示了证据表明 DNN 中的某些神经元可能部分编码了亮度等视觉特征，这为解释基于视觉神经模型的推荐提供了机会。
引用
@article{arxiv.1706.07515,
title = {Comparing Neural and Attractiveness-based Visual Features for Artwork Recommendation},
author = {Vicente Dominguez and Pablo Messina and Denis Parra and Domingo Mery and Christoph Trattner and Alvaro Soto},
journal= {arXiv preprint arXiv:1706.07515},
year = {2017}
}
备注
DLRS 2017 workshop, co-located at RecSys 2017