ViTOR：基于视觉特征的网页排序学习
信息检索
2019-03-08 v1
摘要
网页的视觉外观携带有关其质量的宝贵信息，并可用于提升排序学习（LTR）的性能。我们引入了视觉学习排序（ViTOR）模型，该模型通过以下方式整合最先进的视觉特征提取方法：(i) 从预训练图像分类模型进行迁移学习，以及(ii) 由网页快照生成的合成显著性热图。由于目前尚无用于带视觉特征的LTR任务的公开数据集，我们还引入并发布了ViTOR数据集，其中包含视觉丰富且多样的网页。ViTOR数据集由ClueWeb12网页和TREC Web Track查询的视觉快照、非视觉特征及相关性判断组成。我们在ViTOR数据集上对所提出的ViTOR模型进行实验，表明其显著提升了带视觉特征的LTR性能。
引用
@article{arxiv.1903.02939,
title = {ViTOR: Learning to Rank Webpages Based on Visual Features},
author = {Bram van den Akker and Ilya Markov and Maarten de Rijke},
journal= {arXiv preprint arXiv:1903.02939},
year = {2019}
}
备注
In Proceedings of the 2019 World Wide Web Conference (WWW 2019), May 2019, San Francisco