The purpose of this thesis is to evaluate 7 different search strategies for content-based image retrieval with respect to retrieval effectiveness. The strategies are based on different levels of resolution implemented by the Haar transformation. The result of the study shows an improvement in both mean average precision and mean recall in strategies based on lower levels of resolution. / Uppsatsnivå: D

As the information society becomes increasingly flooded with digital images, the need for efficient image retrieval systems increases as well. To handle the vast amounts of data involved, the indexing process needs to be run automatically, using content-based descriptors extracted directly from the digital image, such as colour composition, shape and texture features. These content-based image retrieval systems are often slow and cumbersome, and can appear confusing to an ordinary user who does not understand the underlying mechanisms. One step towards more efficient and user-friendly retrieval systems might be to adjust the weight placed on various descriptors depending on which image category is being searched for. The results of this thesis show that certain categories of digital images would benefit from having extra weight assigned to colour, texture or shape features when searching for images of that category.

The aim of this study was to compare the Query-by-Humming systems Midomi, Musicline and Tunebot regarding their retrieval effectiveness. The aim was to see if there were differences between the systems but also between the user groups common users, musicians and singers. Query-by-Humming system means that the user sings a tune that the system then use to find the right melody.To compare the systems and their users, queries where collected from the different user groups and replayed for the systems. Mean Reciprocal Rank and Friedman test was used to do the comparison.The results showed that the system did not achieve equivalent and that there were no difference between the user groups. The Mean Reciprocal Rank showed that the systems had very different retrieval effectiveness, where Midomi was the system with best result and Musicline with the lowest result. / Program: Bibliotekarie

Recommender System is a tool helping users find content and overcome information overload. It predicts interests of users and makes recommendation according to the interest model of users. The original content-based recommender system is the continuation and development of collaborative filtering, which doesn’t need the user’s evaluation for items. Instead, the similarity is calculated based on the information of items that are chose by users, and then make the recommendation accordingly. With the improvement of machine learning, current content-based recommender system can build profile for users and products respectively. Building or updating the profile according to the analysis of items that are bought or visited by users. The system can compare the user and the profile of items and then recommend the most similar products. So this recommender method that compare user and product directly cannot be brought into collaborative filtering model. The foundation of content-based algorithm is acquisition and quantitative analysis of the content. As the research of acquisition and filtering of text information are mature, many current content-based recommender systems make recommendation according to the analysis of text information. This paper introduces content-based recommender system for the movie website of VionLabs. There are a lot of features extracted from the movie, they are diversity and unique, which is also the difference from other recommender systems. We use these features to construct movie model and calculate similarity. We introduce a new approach for setting weight of features, which improves the representative of movies. Finally we evaluate the approach to illustrate the improvement. / Recommender System är ett verktyg som hjälper användarna att hitta innehåll och övervinna informationsöverflöd. Det förutspår användarnas intressen och gör rekommendation enligt räntemodellen användare. Den ursprungliga innehållsbaserade recommender är en fortsättning och utveckling av samarbete filtrering, som inte behöver användarens utvärdering artiklar. Istället är likheten beräknas baserat på informationen objekt som har varit valde av användare, och sedan göra rekommendationen därefter. Med förbättringen av maskininlärning, kan nuvarande innehållsbaserad recommender systemet bygga profil för användare och produkt respektive. Bygga eller uppdatera profilen enligt analysen av objekt som köps eller besöks av användare. Systemet kan jämföra användaren och profilen av artiklar och rekommendera den mest liknande produkt. Så här recommender metod som jämför användaren och produkten direkt kan inte föras in collaborative filtreringsmodell. Grunden för innehållsbaserad algoritm är förvärv och kvantitativ analys av innehållet. Eftersom forskning förvärv och filtrering av textinformation är mogen, många aktuella innehållsbaserade recommender system gör rekommendation enligt analysen av textinformation. Denna uppsats införa innehållsbaserad recommender system för film webbplats VionLabs. Det finns en mängd funktioner som extraherats från en film, är de mångfald och unik, vilket är också skillnaden med andra recommender system. Vi använder dessa funktioner för att konstruera film vektor och beräkna likheter. Vi introducerar en ny metod för att fastställa vikten av funktioner, vilket förbättrar företrädare för filmer. Slutligen utvärderar vi tillvägagångssättet för att illustrera förbättringen.

Mängden data som transporteras över Internet idag är stor. Vilket innebär att det finns ett överflöd av information och ett behov för att urskilja relevant innehåll mot irrelevant. För att uppnå detta används rekommendationssystem som i sin tur använder olika filtreringstekniker. Det finns tre huvudtyper av tekniker, innehållsbaserad kollaborativ filtrering och hybrid tekniker. Syftet med studien är att jämföra olika filtreringstekniker och undersöka hur teknikerna förhåller sig till träffsäkerhet mot testset, beräkningsbelasning och användarnöjdhet. För att genomföra detta på ett nyanserat sätt har en strukturerad litteraturstudie genomförts där sju olika steg för inhämtning och analys av dokument gjorts. En kvalitativ metanalys genomfördes på de 28 utvalda tidskriftsartiklarna. IFT rekommendationssystem var den rekommendationsteknik som anses minst effektiv utifrån den definition som studien utgått från. KFT och hybrid rekommendationssystem är de som är mest effektiva enligt denna studie. Hybrid system kan ta vara på fördelar från alla andra tekniker och kan synergiskt också motverka vissa av teknikernas förknippade brister, mot kostnaden av att implementations-komplexiteten ökar.

Kunskapsöversiktens syfte är att belysa bildpedagogik genom kritisk pedagogik, identitet och identitetsskapande. Detta undersöker vi genom utvalda artiklar, där vi lyfter fram de olika metoderna och resultaterna i artiklarna. Genom en systematisk undersökningsprocess hittade vi och valde ut artiklar som är relevanta för vårt syfte. Resultatet visar att de valda artiklarna har alla inkludering i åtanken, men på olika sätt. De skriver om att nå ett inkluderande klassrumsklimat, men skiljer sig åt i teorier och metoder. Artiklarna utgick ifrån bild-, kritisk-, feministisk-, bisexuell-, ‘Atkinsons’- och ‘slow pedagogy’. Tabitha variety Patience Millet skriver i sin artikel Queering the Art Classroom: Queering Matters (2019) om professor Dennis Atkinsons pedagogiska metoder, som en teori inom kritisk pedagogik. Syftet med dessa pedagogiska teorier är att fokusera på elevernas processer och hur eleverna utvecklar deras kritiska tankar i bildämnet. Vi drar paralleller till den svenska Läroplanen för gymnasieskolan (2011), för att kunna sätta den internationella kontexten i en nationell kontext, i jämförande syfte. Genom analyser av studiens material kan vi se att många av artiklarna har ett liknande fokus eller tema. Med andra ord, för att skapa tolerans i klassrummet genom samtal och uppgifter som främjar normkritiskt tänkande. Detta för att nå önskad inkludering. Avslutningsvis visar artiklarna av Keifer-Boyd (2007); Nathanson (2009); Page (2017); Payne (2010); Yescavage och Alexander (1997); Zebracki (2020) på implikationer för vår yrkesprofession genom exemplifieringar av konsekvenser gentemot läraren, som diskuteras i underrubriken konsekvenser inom bildpedagogik och kritisk pedagogik.