이미지는 오랫동안 인터넷에서 가장 흔한 콘텐츠이다. 많은 연구자들이 저수준 특징(예: 색상 또는 질감)이나 텍스트 주석인 키워드를 활용하여 사용자 요구에 부합하는 의미적 시각 인식(semantic visual recognition)을 충족시키고자 연구해 왔으나, 여전히 어려움이 존재한다. 이미지의 키워드는 해당 이미지가 무엇을 나타내는지 식별하는 데 중요한 근거를 제공한다. 그러나 키워드가 반드시 이미지 자체와 관련 있는 것은 아니다. 따라서 통계적 모델과 WordNet과 같은 지식 기반을 이용하여 관련 없는 키워드를 제거하고 관련 있는 키워드에 더 높은 값을 부여하는 것이 필요하다. 이를 위해 본 연구는 WordNet에서 이미 이미지에 가까운 키워드를 결정하기 위한 수정된 WUP 유사도 측정법을 제안한다. 관련 없는 키워드를 식별하기 위해 키워드와 이미지 제목 간의 다양한 의미적 유사도 척도를 사용한다. 우리는 bat, mouse, jaguar 등과 같은 이미지 제목의 단어 의미(Word Sense) 판별 문제(word sense disambiguation, WSD)를 해결하는 데 초점을 둔다. 그 결과, 제안한 방법으로 지식 기반을 보강하면 관련 없는 이미지를 제거하고 WSD 문제를 해결하는 데 있어 한 단계 더 나아갈 수 있음을 확인하였다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.