Assess the Relevance of the Retrieved Images by the Search Engines Yahoo, Google, PicSearch, and Flickr for optimization of the proposed model

Subject Areas : Journal of Knowledge Studies

Tahereh Abolghasem Mosalman ¹ (Master degree LIS)
Esmat Momeni ² (Assistant Professor Allameh Tabatabai University)
Mohsen Haji Zeanolabedini ³ (Faculty member of AREEO- Agricultural scientific information and documentation center)

Received: 2015-12-13 Accepted : 2015-12-13 Published : 2015-12-13

Keywords: Persian language, Image retrieval, recall and precision, Content- based image retrieval, Yahoo- Google- Picsearch- Flickr,

Abstract :

Purpose: The aim of this paper is introduction several image search engine and assess the relevance Images retrieved by yahoo, Google, Picsearch and Flickr according recall and precision. So, precede obtained result from four search engine and rate of relevance with search query. Methodology: Research method was survey and For the purpose of this paper, four search engines such as Google, Yahoo, Picsearch and flickr were studied directly through the method observation. The logic of words chosen was Boolean. This search was done in three steps. First, terminology had been chosen based on logic operation in the search engine being mentioned urinary search and then the results of the search with regard to the need information research and phrase search comparison and the number of corresponding pictures in the twenty first and clear at the end of the formula by using the amount of relevant the results. Findings: finding showed that search engine Yahoo with 32.235 the amount of recall and 53.75 the amount of precision, Google with 14.80 the amount of recall and 41.25 the amount of precision, Picsearch with 12.81 the amount of recall and 26.25 the amount of precision and Flickrwith 40.14 the amount of recall and 41.25 the amount of precision retrieval. Conclusion: The results evaluation revealed that Search engines retrieve different results in Precision and recall in Persian. Yahoo has the maximum amount precision in retrieved image. The study suggested a framework on how to expand the image retrieval capabilities of existing search engines based on text and context.

References:

احمدی، ف.؛ چشمه سرابی، م. (1392). مقایسه میزان دقت و بازیابی در اطلاعات موتور جست‌وجوی فازی و غیرفازی. نظام‌ها و خدمات اطلاعات، (1) 3، 75-88.

ایزدپور، ا.؛ چادردوزان، م. (1389). بازیابی تصاویر مبتنی بر محتوا. دسترسی در http.//www. Pardise.net/articles.

جمشیدی قهفرخی، ف.(1392).  بررسی میزان ربط مدارک بازیابی شده با استفاده از ابزار بازیابی بین زباتی google در رشته کشاورزی. پژوهشنامه پردازش و مدیریت اطلاعات، (3) 28، 741-760.

حیاتی، س.؛ سریزدی؛ س.؛ نظام آبادی پور، ح. (1391). جداسازی تصویر به مؤلفه­های بافت و ساختار برای بازیابی تصویر براساس محتوا. مجله الکترونیک و مهندسی کامپیوتر، 10 (2)، 115-125.

رحمانی، م.؛ بهشتی شیرازی، ع.ا.؛ صادقی گل، ز. (1386).  طراحی الگوریتم جدید بازیابی تصویر براساس محتوا مبتنی بر بافت. سیزدهمین کنفرانس ملی انجمن کامپیوتر ایرانیان ، ایران، کیش.

سپهریان، ف.؛ فیروزمند، م. (1390) . بازیابی تصویر بر اساس محتوای رنگ تصویر  و گراف دو بخشی. سومین کنفرانس مهندسان الکترونیک. ایران.

صادقیانی، جمشید؛ شعبانی، علی.(1391)." موتورجستجوی تصویر". دسترسی در: http.//www.persianarticle.persianblog.ir/1390/2

عباسپور، ج. (1384). نمایه­سازی تصویر، چالش‌ها و رویکردها. کتابداری، (9) 44، 167-177.

کیوان­پور، م.؛ چرکری، م. (1388).  بازیابی تعاملی تصاویر طبیعت با بهره­گیری از یادگیری چند نمونه­ای. مجله انجمن مهندسان الکترونیک ایران، 6 (1)، 19-35.

منصوری، ز. (1378). بازیابی تصویر به وسیله رنگ و بافت براساس ساختار دودویی.  پایان­نامه کارشناسی ارشد هوش مصنوعی، دانشکده کامپیوتر، دانشگاه صنعتی شریف، تهران.

نعمت زاده، ن.؛ صفابخش، ر.(1382). بازیابی تصاویر مبتنی بر محتوا به وسیله پرسش‌ها.

Ballesteros, L.,Croft, B.,(1971). Phrasal translation and information retrieval. In Proceedings of the 20th query expansion techniques for cross-language Annual International ACM/SIGIR Conference.

Fotis,l. (2008). Improving concept-based web image retrieval by mixing semantically similao Greek Garima,S.; Minu, PriyankaBansal, Minu. (2013). International Journal of innovative research and studies. 2(7), 467-477.

Kaur, Simardeep, Banga, V.K, KaurAvneet. (2013). Content based image retrieval. Paper presented at International conference on advances in Electrical and Electronics Engineering. India Research and Development in Information Retrieval, Philadelphia, PA, USA, pp. 84-91. 1997.

Khutwad, HarshadaAnand, Vaidya, Ravindrajinadatta. (2013). Content based imge retrieval. International Journal of image processing and vision sciences. 2(1): 19-24

Koradiya, Jitendra L. ,SwadasPrashant B. (2013). Content based image retrieval. IJAIR. 2(4): 1324-1329

Manuel Barrios, J.; D´ıaz-Espinoza, D.;  Bustos, B. (2009). Text-based and content-based image retrieval on Flickr : demo . second international workshop on similaoity search applications

Mizzaro, s.( 1997).  Relevance: the whole history. Journal of the American society for information science, 48 (12), 810-832

 

 

 

---