采用多模态机器学习进行内容质量分析
信息检索
2019-09-05 v1
摘要
识别高质量内容的任务变得愈发重要，其能够提升整体阅读时长与点击率（click-through rate, CTR）预估。通用的质量分析仅聚焦于单一模态，如图像或文本，但在当今主流媒体站点中，大量信息以图文形式呈现。本文提出一种用于质量评分的多模态质量识别方法。我们首先使用两个特征提取器，分别用于图像与文本。随后采用以排序损失为优化目标的 Siamese Network（孪生网络）。与其他方法相比，我们的方法获得了更精确的结果。
引用
@article{arxiv.1909.01793,
title = {Employ Multimodal Machine Learning for Content quality analysis},
author = {Eric Du and Xiaoyong Li},
journal= {arXiv preprint arXiv:1909.01793},
year = {2019}
}