الترتيب المرئي

VisualRank هو نظام للعثور على الصور وتصنيفها من خلال تحليل محتواها ومقارنته ، بدلاً من البحث عن أسماء الصور أو روابط الويب أو النصوص الأخرى. وقد نشر علماء جوجل عملهم على VisualRank في ورقة بحثية تصف تطبيق PageRank على بحث جوجل عن الصور، وذلك خلال المؤتمر الدولي للويب العالمي في بكين عام 2008. ^{[ 1 ] [ 2 ]}

تُستخدم تقنيات رؤية الحاسوب والتجزئة الحساسة للموقع (LSH) في خوارزمية VisualRank . لنفترض عملية بحث عن صورة تبدأ باستعلام نصي. تُستخدم تقنية بحث موجودة تعتمد على بيانات الصورة الوصفية والنص المحيط بها لاسترجاع نتائج البحث الأولية ( PageRank )، والتي تُجمّع مع صور أخرى في الفهرس في رسم بياني وفقًا لدرجة تشابهها (المحسوبة مسبقًا). ثم تُقاس المركزية على التجميع، مما يُعيد الصورة (أو الصور) الأكثر توافقًا مع الاستعلام. الفكرة هنا هي أن اتفاق مستخدمي الإنترنت حول الصورة ومفاهيمها ذات الصلة سيؤدي إلى اعتبار تلك الصور أكثر تشابهًا. يتم تعريف VisualRank بشكل تكراري بواسطة${\displaystyle VR=S^{*}\times VR}$، أين${\displaystyle S^{*}}$هي مصفوفة تشابه الصور. وبما أن المصفوفات تُستخدم، فإن مركزية المتجه الذاتي هي المقياس المُطبق، مع تكرار عملية الضرب لـ${\displaystyle VR}$و${\displaystyle S^{*}}$إنتاج المتجه الذاتي الذي نبحث عنه. من الواضح أن مقياس تشابه الصور بالغ الأهمية لأداء VisualRank لأنه يحدد بنية الرسم البياني الأساسية.

يبدأ نظام VisualRank الرئيسي باستخراج متجهات الميزات المحلية من الصور باستخدام تحويل الميزات الثابتة المقياس (SIFT). تُستخدم واصفات الميزات المحلية بدلاً من المدرجات التكرارية اللونية لأنها تسمح بمراعاة التشابه بين الصور مع إمكانية وجود تحويلات في الدوران والمقياس والمنظور. ثم يُطبق التجزئة الحساسة للموقع على متجهات الميزات هذه باستخدام مخطط التوزيع p-stable . بالإضافة إلى ذلك، يُطبق تضخيم LSH باستخدام تركيبات AND/OR. وكجزء من المخطط المُطبق، يُستخدم توزيع غاوسي .${\displaystyle \ell _{2}}$معيار .

• مقال في صحيفة نيويورك تايمز
• مقال سلاش دوت