重構(gòu)約束的離散矩陣因式分解跨模態(tài)哈希

張萬楨，劉同來，李志梅+

(1.桂林航天工業(yè)學(xué)院 實(shí)踐教學(xué)部，廣西 桂林 541004；2.廣東工業(yè)大學(xué) 計(jì)算機(jī)學(xué)院，廣東 廣州510006；3.桂林電子科技大學(xué) 廣西密碼學(xué)與信息安全重點(diǎn)實(shí)驗(yàn)室，廣西 桂林 541004)

0 引 言

跨模態(tài)檢索(cross-modal retrieval)[1-5]是指用戶能用任意一種媒體類型的數(shù)據(jù)進(jìn)行檢索，搜索引擎返回多種類型媒體數(shù)據(jù)的檢索方式。其關(guān)鍵問題在于如何高效地解決多媒體數(shù)據(jù)之間存在的語義鴻溝[6-10]。為此，近年來國(guó)內(nèi)外研究人員提出了多種跨模態(tài)哈希(cross-modal hashing)方法[11-15]。其中，基于協(xié)同矩陣因式分解(collective matrix factorization，CMF)的跨模態(tài)哈希方法[16-20]取得了令人矚目的成果。CMF作為一種簡(jiǎn)單但有效的語義挖掘方法能夠高效地學(xué)習(xí)多模態(tài)潛在語義，降低多模態(tài)數(shù)據(jù)間的語義鴻溝。然而這些基于CMF的方法仍然存在一些固有的缺點(diǎn)。首先，在學(xué)習(xí)潛在語義信息時(shí)，過去基于CMF的方法沒有考慮在子空間映射過程中，部分冗余信息會(huì)隨同多模態(tài)數(shù)據(jù)的主要語義信息一同嵌入，導(dǎo)致檢索效率下降的問題。此外，許多方法使用松弛-量化的優(yōu)化方式會(huì)導(dǎo)致哈希碼產(chǎn)生大量的量化誤差，降低檢索性能。

為此，本文提出一種重構(gòu)約束下的離散矩陣因式分解哈希方法(RDMFH)。RDMFH對(duì)不同模態(tài)使用CMF學(xué)習(xí)潛在公共語義矩陣的同時(shí)，對(duì)公共語義矩陣施加數(shù)據(jù)重構(gòu)約束、離散約束與圖約束。重構(gòu)約束保證學(xué)習(xí)到的潛在語義冗余信息最小化；離散約束減小最終生成哈希碼的量化誤差；圖約束使得最終生成的哈希碼更具可區(qū)分性。基于以上3個(gè)約束，本文所提出的RDMFH不僅能充分發(fā)揮CMF學(xué)習(xí)多模態(tài)潛在語義信息的能力，同時(shí)克服了其魯棒性不足，量化誤差大的缺陷，使得哈希碼具有更好的檢索性能。

1 相關(guān)工作

根據(jù)是否使用數(shù)據(jù)自身的標(biāo)簽信息，已有的跨模態(tài)哈希方法可以分為有監(jiān)督跨模態(tài)哈希方法和無監(jiān)督跨模態(tài)哈希方法。

1.1 有監(jiān)督跨模態(tài)哈希方法

有監(jiān)督的跨模態(tài)哈希方法利用數(shù)據(jù)本身標(biāo)注的真實(shí)標(biāo)簽信息探索異構(gòu)多模態(tài)數(shù)據(jù)之間的相關(guān)性。通常的方法是在學(xué)習(xí)低維哈希碼的同時(shí)嵌入標(biāo)簽的語義信息，增強(qiáng)哈希碼的可區(qū)分性。典型的有監(jiān)督跨模態(tài)哈希方法有最大語義相關(guān)哈希[21](semantic correlation maximization，SCM)、監(jiān)督矩陣因式分解哈希、可擴(kuò)展離散矩陣因式分解哈希、離散跨模態(tài)哈希[22](discrete cross-modal hashing，DCH)、離散潛在因子哈希[23](discrete latent factor hashing，DLFH)、魯棒多視角哈希[24](robust multi-view hashing，RMVH)等。具體地，SCM利用正交約束序列哈希碼，重構(gòu)多模態(tài)數(shù)據(jù)的相關(guān)性矩陣，學(xué)習(xí)具有可區(qū)分性的哈希碼；SMFH首先使用CMF學(xué)習(xí)多模態(tài)數(shù)據(jù)的潛在公共語義矩陣，然后對(duì)其施加圖約束加強(qiáng)哈希碼的可區(qū)分性；DCH使用線性分類器學(xué)習(xí)多模態(tài)數(shù)據(jù)的哈希碼，并對(duì)所學(xué)習(xí)的哈希碼進(jìn)行標(biāo)簽回歸增強(qiáng)哈希碼的可區(qū)分性；DLFH使用潛在因子模型挖掘標(biāo)簽的語義信息，通過離散的優(yōu)化方法得到最終哈希碼；RMVH通過重構(gòu)潛在語義到原始數(shù)據(jù)與同時(shí)保存多模態(tài)數(shù)據(jù)的模態(tài)間和模態(tài)內(nèi)相似性，加強(qiáng)哈希碼的魯棒性和可區(qū)分性。

1.2 無監(jiān)督跨模態(tài)哈希方法

無監(jiān)督的跨模態(tài)哈希方法通過挖掘多模態(tài)數(shù)據(jù)本身的分布來學(xué)習(xí)數(shù)據(jù)的哈希碼。通常的方法是將多模態(tài)數(shù)據(jù)原始的高維空間映射到低維的漢明空間，同時(shí)保存數(shù)據(jù)的原始分布。典型的無監(jiān)督跨模態(tài)哈希方法有協(xié)同矩陣因式分解哈希(collective matrix factorization hashing，CMFH)、潛在語義稀疏哈希(latent semantic sparse hashing，LSSH)、混合相似哈希(fusion similarity hashing，F(xiàn)SH)、協(xié)同重構(gòu)嵌入[25](collective reconstructive embedding，CRE)等。具體地說，CMFH首先使用CMF提取多模態(tài)數(shù)據(jù)的低維潛在語義，然后對(duì)其進(jìn)行量化得到哈希碼；LSSH對(duì)圖像和文本分別使用CMF和稀疏編碼學(xué)習(xí)多模態(tài)數(shù)據(jù)的低維潛在語義；FSH通過在多模態(tài)潛在語義中嵌入不同模態(tài)數(shù)據(jù)內(nèi)部的結(jié)構(gòu)相似性增加哈希碼可區(qū)分性；CRE通過對(duì)多模態(tài)數(shù)據(jù)進(jìn)行重構(gòu)嵌入直接學(xué)習(xí)多模態(tài)離散語義。

2 方 法

為了加強(qiáng)CMF對(duì)哈希學(xué)習(xí)的魯棒性，同時(shí)緩解松弛-量化優(yōu)化方式對(duì)哈希學(xué)習(xí)的負(fù)面效果，提出了一種在重構(gòu)約束下的離散矩陣因式分解哈希方法。與傳統(tǒng)基于CMF的跨模態(tài)哈希方法相比，受魯棒多視角哈希RMVH模型的啟發(fā)，通過對(duì)多模態(tài)數(shù)據(jù)的潛在語義重構(gòu)回原始數(shù)據(jù)，加強(qiáng)哈希學(xué)習(xí)的魯棒性。同時(shí)，對(duì)多模態(tài)數(shù)據(jù)使用CMF直接學(xué)習(xí)離散潛在語義，減少以往使用松弛-量化優(yōu)化方法產(chǎn)生的量化誤差。為了簡(jiǎn)便表示，本文將集中于現(xiàn)實(shí)世界中最常見的兩種媒體數(shù)據(jù)：圖片與文本，下面將詳細(xì)介紹本文方法的模型。

2.1 問題描述

因此，本文提出重構(gòu)約束的離散矩陣因式分解哈希方法的目的是學(xué)習(xí)數(shù)據(jù)庫的統(tǒng)一哈希矩陣B與一組用于查詢數(shù)據(jù)的映射函數(shù)：f1:X(1)→B和f2:X(2)→B。通過該組映射函數(shù)，用戶的查詢數(shù)據(jù)可以映射到低維的漢明空間，與數(shù)據(jù)庫的哈希碼B進(jìn)行對(duì)比，然后返回與查詢數(shù)據(jù)最相近的數(shù)據(jù)庫樣本。

2.2 重構(gòu)約束的離散矩陣因式分解哈希

對(duì)于圖片訓(xùn)練集X(1)與文本訓(xùn)練集X(2)，假設(shè)它們有共同的潛在語義V，根據(jù)矩陣因式分解模型可以表示為下式

(1)

其中，U(1)∈Rd1×r和U(2)∈Rd2×r為因子矩陣，P(1)∈Rr×d1和P(2)∈Rr×d2分別為圖片和文本的映射矩陣，α和β為超參數(shù)。式(1)中第一項(xiàng)和第二項(xiàng)分別為對(duì)圖片集和文本集的矩陣因式分解，以學(xué)習(xí)它們共同的低維語義，第三項(xiàng)為線性回歸項(xiàng)，以學(xué)習(xí)一組用于查詢數(shù)據(jù)的映射矩陣。以往的基于CMF的多模態(tài)哈希方法，如CMFH、SMFH直接優(yōu)化式(1)獲得多模態(tài)潛在語義V和對(duì)應(yīng)模態(tài)的映射矩陣P(1)和P(2)，然后使用符號(hào)函數(shù)直接量化矩陣V獲得最終的哈希碼B。

然而這些方法忽略了數(shù)據(jù)中的冗余信息，一張圖片或一段文字中必然會(huì)存在與所描述事物不相關(guān)的冗余信息。簡(jiǎn)單地通過線性回歸模型去學(xué)習(xí)映射矩陣P(1)和P(2)，會(huì)導(dǎo)致在泛化新樣本時(shí)把原始數(shù)據(jù)中的冗余信息一起映射到潛在語義矩陣V中。在隨后的量化過程中，冗余信息與核心語義信息一同被量化為哈希碼，導(dǎo)致哈希碼的可區(qū)分性下降，影響檢索性能。此外，先優(yōu)化式(1)再使用符號(hào)函數(shù)量化潛在語義矩陣V生成哈希碼，會(huì)導(dǎo)致量化過程中產(chǎn)生大量的量化錯(cuò)誤，也會(huì)影響最終生成哈希碼的檢索性能。

基于以上的討論，受到RMVH的啟發(fā)，本文提出一種新的重構(gòu)約束的離散矩陣因式分解哈希，其公式化描述如下

(2)

其中，Q(t)∈Rd(t)×r為重構(gòu)矩陣，E(t)∈Rd(t)×n為重構(gòu)誤差矩陣。與式(1)不同的是，式(2)直接對(duì)多模態(tài)數(shù)據(jù)使用CMF學(xué)習(xí)離散潛在語義，通過優(yōu)化式(2)，可以直接學(xué)習(xí)到離散的多模態(tài)數(shù)據(jù)的統(tǒng)一哈希碼矩陣，避免松弛-量化步驟，減少了量化誤差。同時(shí)，通過重構(gòu)約束項(xiàng)X(t)=Q(t)P(t)X(t)+E(t)，將多模態(tài)數(shù)據(jù)分為純凈項(xiàng)Q(t)P(t)X(t)和冗余項(xiàng)E(t)，在學(xué)習(xí)多模態(tài)數(shù)據(jù)的離散潛在語義B時(shí)，只使用P(t)X(t)而排除了冗余信息項(xiàng)E(t)，增強(qiáng)哈希碼的可區(qū)分性和映射矩陣的魯棒性。同時(shí)，對(duì)E(t)施加L1范數(shù)約束是為了讓重構(gòu)誤差盡可能小。此外，變量Q正交是為避免出現(xiàn)平凡解。

一般來說，希望同一類別樣本的哈希碼盡可能相似，而不同類別樣本的哈希碼盡可能不同。為了進(jìn)一步增強(qiáng)所學(xué)習(xí)哈希碼的可區(qū)分性，構(gòu)造了一個(gè)圖拉普拉斯矩陣以保存多模態(tài)數(shù)據(jù)的相似性，其公式化描述如下

(3)

其中，L∈Rn×n為相似矩陣S的拉普拉斯矩陣。把式(3)與式(2)結(jié)合，得到本文目標(biāo)函數(shù)式如下

(4)

其中，γ為超參數(shù)。

2.3 優(yōu)化算法

對(duì)于多變量的目標(biāo)函數(shù)，通常的優(yōu)化方法是交替迭代乘子法(ADMM)，優(yōu)化其中一個(gè)變量時(shí)固定其它變量，然而式(4)中存在離散變量B，使得直接對(duì)式(4)使用ADMM進(jìn)行優(yōu)化變得非常困難，為此，我們采取一種靈活的替代優(yōu)化方式[26]，通過引入一個(gè)輔助變量K，簡(jiǎn)化式(4)的優(yōu)化過程。引入輔助變量K的目標(biāo)函數(shù)式如下

(5)

以往的方法已經(jīng)證明，該替代方式可以很大程度上方便目標(biāo)函數(shù)的優(yōu)化，同時(shí)盡量不影響最終的優(yōu)化結(jié)果。式(5)的增廣拉格朗日函數(shù)如下

(6)

其中，Z(t)為增廣拉格朗日乘子，μ為懲罰參數(shù)。通過該拉格朗日函數(shù)，將帶約束優(yōu)化變?yōu)闊o約束優(yōu)化，進(jìn)一步方便優(yōu)化。對(duì)式(6)使用ADMM交替優(yōu)化目標(biāo)變量步驟如下。

步驟1 定除U(t)外的其它變量，式(6)對(duì)U(t)求偏導(dǎo)等于0解得

(7)

步驟2 定除K外的其它變量，式(6)對(duì)K求偏導(dǎo)等于0解得

A1K+KA2+A3=0

(8)

其中

可以通過使用Matlab直接求解該Sylvester方程求得K。

步驟3 定除P(t)外的其它變量，式(6)對(duì)P(t)求偏導(dǎo)為0解得

(9)

其中，D=βBX(t)+μQ(t)X(t)X(t)T-μQ(t)TE(t)X(t)T+Q(t)TZ(t)X(t)T。

步驟4 過解決下面方程，可求得變量Q(t)

(10)

步驟5 定其它變量，令式(6)對(duì)B求偏導(dǎo)等于0再用符號(hào)函數(shù)量化得

(11)

步驟6 過下式更新變量E(t)

(12)

步驟7 過下式更新Z(t),μ

(13)

因此，通過迭代更新以上變量，直到達(dá)到設(shè)定的迭代次數(shù)來優(yōu)化目標(biāo)函數(shù)的各項(xiàng)參數(shù)，具體的優(yōu)化過程見算法1。

算法1：本文的優(yōu)化算法

輸入：圖像矩陣X(1)和文本矩陣X(2)，相似矩陣S，參數(shù)α，β，γ，α(1),α(2)，哈希碼長(zhǎng)r迭代次數(shù)T。

輸出：映射矩陣P(1)和P(2)，哈希矩陣B。

(1)隨機(jī)初始化所有變量矩陣；

(2)Repeat；

(3)用式(7)更新矩陣U(t)；

(4)用式(8)更新矩陣K；

(5)用式(9)更新矩陣P(t)；

(6)用式(10)更新矩陣Q(t)；

(7)用式(11)更新矩陣B；

(8)用式(12)更新E(t)；

(9)用式(13)更新Z(t)和μ；

(10)Until迭代次數(shù)。

2.4 時(shí)間復(fù)雜度分析

對(duì)于算法1，其計(jì)算的時(shí)間復(fù)雜度主要來自于求解Sylvester方程和SVD分解。下面詳細(xì)列出算法1的各個(gè)步驟所需要的時(shí)間復(fù)雜度。在每一次迭代中：更新矩陣U(t)的時(shí)間復(fù)雜度為O(r3+r2d+rdn)；更新矩陣K的時(shí)間復(fù)雜度為O(n2)；更新矩陣P(t)的時(shí)間復(fù)雜度為O(rdn)；對(duì)一個(gè)d×r大小的矩陣進(jìn)行SVD所需要的時(shí)間復(fù)雜度為O(dr2)，因此更新矩陣Q的時(shí)間復(fù)雜度為O(dr2+d2n)。一般來說有n>d>r，因此本文方法每一次迭代的時(shí)間復(fù)雜度約為O(n2+d2n+drn)。

3 實(shí)驗(yàn)與分析

本文在Wiki、NUS-WIDE和MirFlickr-25k這3個(gè)公開的基準(zhǔn)數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)驗(yàn)證與分析，并與最近的基于CMF的跨模態(tài)哈希方法進(jìn)行對(duì)比，包括無監(jiān)督的CMFH、LSSH、RFDH，和有監(jiān)督的SMFH、SCARTCH對(duì)比。此外，為了進(jìn)一步驗(yàn)證方法的有效性，還與非基于CMF的跨模態(tài)哈希方法RMVH、DCH進(jìn)行對(duì)比。在兩種常見的跨模態(tài)檢索任務(wù)上進(jìn)行對(duì)比和分析：①本檢索圖片；②片檢索文本。

3.1 數(shù)據(jù)集

Wiki：Wiki數(shù)據(jù)集是從維基百科的文章中收集的圖片-文本對(duì)，有2866組，共分為10大種類。每一張圖片至少對(duì)應(yīng)一段不少于70個(gè)單詞的文段描述。每張圖片被表示為128維的SIFT特征，而文本則由10維的主題特征所表達(dá)。該數(shù)據(jù)集共有10大類別，每一組圖片-文本對(duì)對(duì)應(yīng)其中一個(gè)類別。本文選取2173組樣本作為訓(xùn)練集，其余的作為測(cè)試集。

NUS-WIDE：NUS-WIDE是一個(gè)真實(shí)的網(wǎng)絡(luò)圖像-文本數(shù)據(jù)集，它包含269 648張帶有標(biāo)簽注釋的圖片，共有81個(gè)類別。本文選取其中10個(gè)數(shù)量最多的種類，共有186 577張帶有注釋的圖片作為訓(xùn)練集。每張圖像表示為500維的視覺特征，文本則表示為1000維的詞袋向量，本文選取2000組圖像文本對(duì)作為測(cè)試集，剩余的作為訓(xùn)練集。

MirFlickr-25k：MirFlickr-25k是從圖片網(wǎng)站flickr上收集的圖片-文本數(shù)據(jù)集，包含25 000組圖片-文本對(duì)，共有24個(gè)類別。每張圖片表示為150維的視覺特征，文本表示為1366維的詞袋模型。本文選取2000組圖像-文本對(duì)作為測(cè)試集，其余的作為訓(xùn)練集，數(shù)據(jù)見表1。

表1 實(shí)驗(yàn)數(shù)據(jù)集統(tǒng)計(jì)信息

值得注意的是，由于SMFH的計(jì)算復(fù)雜度太高，因此，為了方便實(shí)驗(yàn)，本次實(shí)驗(yàn)在NUS-WIDE數(shù)據(jù)集上僅采用5000個(gè)樣本作為訓(xùn)練集訓(xùn)練對(duì)比。

3.2 實(shí)驗(yàn)設(shè)置

本文方法的參數(shù)設(shè)置如下：α控制不同模態(tài)數(shù)據(jù)對(duì)潛在語義影響的權(quán)重，一般設(shè)置為0.5；β設(shè)置為10；γ控制監(jiān)督信息的權(quán)重，設(shè)置為100；α設(shè)置為0.001；迭代次數(shù)T設(shè)為10。此次實(shí)驗(yàn)的性能評(píng)估標(biāo)準(zhǔn)采用平均精度均值(mean average precision，MAP)。MAP反映模型的整體準(zhǔn)確率，數(shù)值越大表示檢索效果越好。為了避免隨機(jī)初始化數(shù)據(jù)的干擾，所有的實(shí)驗(yàn)數(shù)值均重復(fù)10次取均值。實(shí)驗(yàn)環(huán)境為Intel(R) Core(TM) CPU I7-6700@4.0 GHz 32 GB RAM的服務(wù)器上運(yùn)行，系統(tǒng)為WIN10。

3.3 實(shí)驗(yàn)結(jié)果與分析

表2與表3分別給出了本方法與對(duì)比方法在Wiki、NUS-WIDE和MirFlickr-25k這3個(gè)數(shù)據(jù)集上的兩種跨模態(tài)務(wù)的MAP數(shù)值，哈希碼長(zhǎng)分別為16 bit、32 bit和64 bit。

表2 在Wiki和NUS數(shù)據(jù)集上MAP值

表3 在MirFlickr-25k數(shù)據(jù)集上MAP數(shù)值比較

表2、表3中最優(yōu)的數(shù)值均用黑色加粗字體表示。

對(duì)于Wiki數(shù)據(jù)集，從表2的數(shù)據(jù)可以看出，本文的方法在不同哈希碼長(zhǎng)度下的MAP值優(yōu)于所對(duì)比的方法，驗(yàn)證了本方法在跨模態(tài)檢索任務(wù)中的有效性。值得注意的是，通過觀察表2，可以發(fā)現(xiàn)大部分有監(jiān)督跨模態(tài)哈希方法比無監(jiān)督的跨模態(tài)哈希方法檢索效果更好，這是因?yàn)橛斜O(jiān)督的方法通過嵌入真實(shí)的標(biāo)簽信息到哈希碼中，可以大幅增加哈希碼的判別力，因此有監(jiān)督的方法通常比無監(jiān)督的方法檢索效果好。但是可以看到無監(jiān)督的RFDH在文本檢索圖像任務(wù)中效果比有監(jiān)督的SMFH好，這是因?yàn)镽FDH是使用離散的優(yōu)化方法優(yōu)化哈希碼，避免了松弛-量化過程造成的量化誤差，而SMFH是使用松弛-量化的方法優(yōu)化哈希碼，所以無監(jiān)督的RFDH效果比有監(jiān)督的SMFH好。而本文方法也是采用離散的優(yōu)化方法，因此檢索效果優(yōu)于非離散的方法。此外，通過表2還可以觀察到，哈希碼的碼長(zhǎng)越長(zhǎng)，效果越好，這是因?yàn)楣４a的碼長(zhǎng)越長(zhǎng)，哈希碼所能保存的信息越多，因此檢索效果越好。由于本文方法與RMVH均使用數(shù)據(jù)重構(gòu)，使得哈希碼能夠盡可能少的受到冗余信息的干擾，哈希碼所保存原始數(shù)據(jù)的主要信息比其它方法更多，因此檢索的效果優(yōu)于其它對(duì)比方法。

對(duì)于NUS-WIDE數(shù)據(jù)集，從表2的MAP數(shù)值比較中可以觀察到，本文方法優(yōu)于其它的方法，這與在Wiki數(shù)據(jù)集中的觀察一致，再次驗(yàn)證了本文方法在跨模態(tài)檢索任務(wù)中的有效性。此外，可以觀察到，文本檢索圖片任務(wù)的MAP值比圖片檢索文本的MAP值普遍要高，這是因?yàn)槲谋舅男畔⒈葓D片的信息要直觀，能更好表達(dá)數(shù)據(jù)的核心語義。

對(duì)于MirFlickr-25k數(shù)據(jù)集，從表3的MAP數(shù)值對(duì)比中可以觀察到，本文方法優(yōu)于其它的對(duì)比方法，與Wiki、NUS數(shù)據(jù)集中的觀察一致，進(jìn)一步驗(yàn)證本文方法的有效性。

3.4 收斂分析

下面分析本文方法的收斂性，由于本文方法的優(yōu)化方式是基于迭代的優(yōu)化方式，因此優(yōu)化算法的收斂性對(duì)模型的性能起到至關(guān)重要的作用。這里主要通過實(shí)驗(yàn)驗(yàn)證本文優(yōu)化算法的收斂性。

圖1為迭代次數(shù)與目標(biāo)函數(shù)值的曲線圖。從圖1中可以觀察到，本文方法在10次迭代左右就基本收斂，因此本文方法的整體計(jì)算成本并不高，可以有效地用于大規(guī)模的跨模態(tài)檢索任務(wù)。

圖1 目標(biāo)函數(shù)迭代曲線

3.5 參數(shù)分析

下面分析參數(shù)對(duì)實(shí)驗(yàn)結(jié)果的影響，重點(diǎn)分析3個(gè)主要參數(shù)α，β，γ對(duì)實(shí)驗(yàn)的影響。由于實(shí)驗(yàn)過程中發(fā)現(xiàn)參數(shù)αt對(duì)本文方法實(shí)驗(yàn)影響很小，這里不作進(jìn)一步分析。為了研究以上3個(gè)參數(shù)對(duì)實(shí)驗(yàn)結(jié)果的影響，在研究其中一個(gè)參數(shù)時(shí)，固定其它兩個(gè)參數(shù)，固定參數(shù)的取值如上文所述，哈希碼長(zhǎng)定為16 bit，以MAP作為評(píng)價(jià)指標(biāo)。

圖2顯示了各個(gè)參數(shù)在Wiki和NUS-WIDE數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果。從圖2中觀察到，當(dāng)α取值為0.5時(shí)，本文方法在兩個(gè)數(shù)據(jù)集中取得最優(yōu)結(jié)果；參數(shù)β控制線性回歸項(xiàng)對(duì)整個(gè)模型的影響，從圖中可以看到，當(dāng)β處于[1,50]時(shí)，模型的性能往上提升，當(dāng)大于50時(shí)，模型性能下降，因此β的取值取中間值10為最佳；參數(shù)γ控制監(jiān)督信息對(duì)模型性能的影響，從圖中可以觀察到，當(dāng)γ的取值為100時(shí)，模型性能達(dá)到最佳，繼續(xù)往上升模型性能下降，因此γ取值100。通過以上分析可知，本文方法參數(shù)能在一個(gè)較寬范圍內(nèi)取得不錯(cuò)的結(jié)果，對(duì)參數(shù)敏感性不強(qiáng)。

3.6 消融分析

為了進(jìn)一步驗(yàn)證數(shù)據(jù)重構(gòu)和離散約束對(duì)實(shí)驗(yàn)結(jié)果的影響，進(jìn)行了以下3組消融對(duì)比實(shí)驗(yàn)。第一組對(duì)比實(shí)驗(yàn)為本文方法對(duì)比本文方法去除重構(gòu)約束但保留離散約束項(xiàng)的結(jié)果，記為RDMFH-1；第二組對(duì)比實(shí)驗(yàn)為對(duì)比本文方法與本文方法去除離散約束但保留重構(gòu)約束項(xiàng)的結(jié)果，記為RDMFH-2；第三組對(duì)比實(shí)驗(yàn)為對(duì)比本文方法與本文方法去除重構(gòu)約束與離散約束的結(jié)果,記為RDMFH-3。實(shí)驗(yàn)在Wiki數(shù)據(jù)集上進(jìn)行，采取MAP數(shù)值評(píng)估，實(shí)驗(yàn)結(jié)果見表4。表4中本文方法與RDMFH-1對(duì)比可以得出，重構(gòu)約束項(xiàng)在檢索性能上有約1%的提升，驗(yàn)證了重構(gòu)約束項(xiàng)的有效性；對(duì)比本文方法與RDMFH-2可以看出，離散約束對(duì)哈希碼的檢索能力有較大的提升，在每一位哈希碼上均有10%以上的MAP數(shù)值提升，說明離散約束能大幅度減少量化誤差，提高哈希碼的可區(qū)分性，增加檢索能力。對(duì)比RDMFH-2與RDMFH-3可以觀察到，在哈希碼非離散的情況下，重構(gòu)約束項(xiàng)仍然對(duì)哈希碼有約1%的性能提升，再次驗(yàn)證重構(gòu)項(xiàng)的有效性。

4 結(jié)束語

本文提出了一種重構(gòu)約束的離散矩陣因式分解哈希方法。與以往的基于矩陣因式分解的哈希方法不同，考慮了異構(gòu)多模態(tài)數(shù)據(jù)中普遍存在的冗余信息對(duì)學(xué)習(xí)公共語義空間的影響，通過添加數(shù)據(jù)重構(gòu)約束，將由稀疏項(xiàng)建模的冗余信息與映射項(xiàng)建模的主要信息進(jìn)行分離，增強(qiáng)所學(xué)習(xí)哈希碼的魯棒性與可區(qū)分性。同時(shí)直接學(xué)習(xí)離散的哈希碼，避免松弛-量化造成的大量量化誤差。大量的實(shí)驗(yàn)結(jié)果表明，本文方法優(yōu)于其它基于矩陣因式分解的跨模態(tài)哈希方法。

圖2 參數(shù)調(diào)優(yōu)折線

表4 消融對(duì)比實(shí)驗(yàn)結(jié)果