近日,信息科学与工程学院张亮教授农业智能学习与计算团队芦旭博士在《IEEE Transactions on Multimedia》在线发表了题为“Multi-Facet Weighted Asymmetric Multi-Modal Hashing Based on Latent Semantic Distribution”的研究论文。随着互联网的快速发展,大规模、高维的多模态数据已经渗透到社交网络和存储媒体中,给多媒体数据检索带来了重大挑战。在大多数多媒体检索应用中,提高检索精度和减少存储消耗是重要问题。目前,哈希技术因其对大规模数据检索的支持而备受关注,其目标是将高维特征空间中的原始数据映射到低维汉明空间中的紧凑哈希码中,从而保留原始数据的语义相似性(或距离)。哈希技术采用汉明距离准则,通过简单的异或运算来估计实例之间的相似性,从而大大加快了计算速度,节省了存储空间。目前,多模态哈希算法因其能够配置互补的多模态融合并支持快速的多媒体检索而受到越来越多的关注。然而,现有方法中广泛采用的“粗粒度”模态加权策略总是忽略了不同特征的独特贡献,并受到参数调整的困扰。此外,传统的监督方法通常采