9.3.4　实验三：在MIR-Flickr 25K数据集上的搜索结果

9.3.4　实验三：在MIR-Flickr 25K数据集上的搜索结果

1.UCMS算法与对比算法在MIR-Flickr 25K数据集上的MAP值比较

我们通过利用公共跨媒体数据集MIR-Flickr 25K进行跨媒体搜索实验，验证UCMS算法与其他对比算法的搜索性能，采用平均准确率MAP作为评价指标。搜索结果的MAP值如表9-3所示。

基于用户搜索意图理解的在线社交网络跨媒体搜索算法（UCMS）获得了最好的结果，在不同的搜索任务下，UCMS算法均表现最好。与新浪微博跨媒体突发话题数据及公共的NUS-WIDE数据集的结果类似，基于深度学习的搜索算法的表现均优于浅层学习算法。在基于深度学习的跨媒体搜索算法中，UCMS算法仍然获得了最好的表现，表明UCMS算法通过多个部分的联合学习能够有助于提高跨媒体搜索的性能。

表9-3　UCMS算法与对比算法在MIR-Flickr 25K数据上的MAP值比较

2.在MIR-Flickr 25K数据集上的Precision-Scope曲线比较

我们通过利用MIR-Flickr 25K数据集作为实验数据，利用Precision-Scope曲线作为评价指标来验证UCMS算法的跨媒体搜索性能，实验结果如图9-4所示。

从图9-4的实验结果中可以观察到，UCMS算法和对比算法都取得了较好的性能，且随着K值的增加UCMS算法和对比算法的性能都明显下降，表明随着返回结果数量的增加，搜索结果中混合了语义一致性较差的结果，影响了整体的搜索结果。UCMS算法仍然显著优于其他对比算法，表明本算法具有较好的搜索性能和鲁棒性。

图9-4　在MIR-Flickr 25K数据集上的Precision-Scope曲线比较