論文の概要: lifeXplore at the Lifelog Search Challenge 2021
- arxiv url: http://arxiv.org/abs/2509.03692v1
- Date: Wed, 03 Sep 2025 20:18:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-05 20:21:09.962889
- Title: lifeXplore at the Lifelog Search Challenge 2021
- Title（参考訳）: LifeXplore at the Lifelog Search Challenge 2021 (英語)
- Authors: Andreas Leibetseder, Klaus Schoeffmann,
- Abstract要約: Lifelog Search Challenge (LSC) は、ACM International Conference on Multimedia Retrieval (ICMR) において、インタラクティブなライフログデータ検索コンペティションとして人気が高まっている。
この年次ライブイベントの目的は、目的的に開発されたツールを使用して、特定のアナウンスされた記憶のための大量のライフログデータを、限られた時間で検索することである。
本稿では、時系列日誌閲覧とインタラクティブな概念フィルタリングを組み合わせた検索システム「LifeXplore」を提案する。
- 参考スコア（独自算出の注目度）: 5.489832567468947
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Since its first iteration in 2018, the Lifelog Search Challenge (LSC) continues to rise in popularity as an interactive lifelog data retrieval competition, co-located at the ACM International Conference on Multimedia Retrieval (ICMR). The goal of this annual live event is to search a large corpus of lifelogging data for specifically announced memories using a purposefully developed tool within a limited amount of time. As long-standing participants, we present our improved lifeXplore - a retrieval system combining chronologic day summary browsing with interactive combinable concept filtering. Compared to previous versions, the tool is improved by incorporating temporal queries, advanced day summary features as well as usability improvements.
- Abstract（参考訳）: 2018年の最初のイテレーション以来、ライフログ検索チャレンジ(LSC)は、ACM International Conference on Multimedia Retrieval(ICMR)において、インタラクティブなライフログデータ検索コンペティションとして人気が高まり続けている。
この年次ライブイベントの目的は、目的的に開発されたツールを使用して、特定のアナウンスされた記憶のための大量のライフログデータを、限られた時間で検索することである。
長年の参加者として、時系列日誌閲覧と対話的合成可能な概念フィルタリングを組み合わせた検索システム「LifeXplore」を提案する。
以前のバージョンと比較して、ツールは時間的クエリ、高度な日次要約機能、およびユーザビリティの改善を取り入れて改善されている。
関連論文リスト
- The State-of-the-Art in Lifelog Retrieval: A Review of Progress at the ACM Lifelog Search Challenge Workshop 2022-24 [14.964953259895202]
ACM Lifelog Search Challenge (LSC)は、ライフログデータの探索を支援するシステムを歓迎し、比較する会場である。
本稿では,2022年から2024年までのACM LSCにおける対話型ライフログ検索の最近の進歩を概観する。
論文 参考訳（メタデータ） (2025-06-07T10:19:37Z) - LifeIR at the NTCIR-18 Lifelog-6 Task [7.029612431665877]
NTCIR-18 Lifelog-6 Challengeのライフログセマンティックアクセスタスク(LSAT)は、大規模なユーザのライフログから関連画像を取得することに焦点を当てている。
本稿では,ライフログ検索における様々な課題に対処するため,テキストを用いて画像検索を行うための多段階パイプラインを提案する。
論文 参考訳（メタデータ） (2025-05-27T10:21:57Z) - LSC-ADL: An Activity of Daily Living (ADL)-Annotated Lifelog Dataset Generated via Semi-Automatic Clustering [5.797232480259793]
LSCデータセットから派生したADLアノテーション付きライフログデータセットであるLCC-ADLを紹介する。
正確なADLアノテーションを生成し、検索説明性を向上させる。
このデータセットは、ライフログ検索、アクティビティ認識、エゴセントリックビジョンの研究を前進させるものと信じている。
論文 参考訳（メタデータ） (2025-04-02T18:39:28Z) - Multi-granularity Interest Retrieval and Refinement Network for Long-Term User Behavior Modeling in CTR Prediction [68.90783662117936]
クリックスルーレート(CTR)の予測は、オンラインパーソナライズプラットフォームにとって不可欠である。
近年の進歩は、リッチなユーザの振る舞いをモデル化することで、CTR予測の性能を大幅に改善できることを示している。
マルチグラニュラリティ興味検索ネットワーク(MIRRN)を提案する。
論文 参考訳（メタデータ） (2024-11-22T15:29:05Z) - LLM-ESR: Large Language Models Enhancement for Long-tailed Sequential Recommendation [58.04939553630209]
現実世界のシステムでは、ほとんどのユーザーはほんの一握りのアイテムしか扱わないが、ほとんどのアイテムは滅多に消費されない。
これら2つの課題は、ロングテールユーザーとロングテールアイテムの課題として知られ、しばしば既存のシークエンシャルレコメンデーションシステムに困難をもたらす。
本稿では,これらの課題に対処するため,Large Language Models Enhancement framework for Sequential Recommendation (LLM-ESR)を提案する。
論文 参考訳（メタデータ） (2024-05-31T07:24:42Z) - Sequential Search with Off-Policy Reinforcement Learning [48.88165680363482]
本稿では,RNN学習フレームワークとアテンションモデルからなる,スケーラブルなハイブリッド学習モデルを提案する。
新たな最適化のステップとして、1つのRNNパスに複数の短いユーザシーケンスをトレーニングバッチ内に収める。
また、マルチセッションパーソナライズされた検索ランキングにおける非政治強化学習の利用についても検討する。
論文 参考訳（メタデータ） (2022-02-01T06:52:40Z) - Temporal Memory Relation Network for Workflow Recognition from Surgical
Video [53.20825496640025]
本研究では, 長期および多スケールの時間パターンを関連づける, エンドツーエンドの時間メモリ関係ネットワーク (TMNet) を提案する。
我々はこのアプローチを2つのベンチマーク手術ビデオデータセットで広範囲に検証した。
論文 参考訳（メタデータ） (2021-03-30T13:20:26Z) - Sequential Recommender via Time-aware Attentive Memory Network [67.26862011527986]
本稿では,注意機構と繰り返し単位を改善するための時間ゲーティング手法を提案する。
また,長期と短期の嗜好を統合するマルチホップ・タイムアウェア・アテンテーティブ・メモリ・ネットワークを提案する。
提案手法は,候補探索タスクに対してスケーラブルであり,ドット積に基づくTop-Kレコメンデーションのための潜在因数分解の非線形一般化とみなすことができる。
論文 参考訳（メタデータ） (2020-05-18T11:29:38Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。