VINDIT: Combining visual and textual information for information retrieval

Met de snelle toename in de omvang van databanken wordt het vinden van informatie steeds moeilijker. Het VindIT project tracht technieken en methoden te ontwikkelen die het de gebruiker gemakkelijker maken om informatie te vinden uit databases die zowel visueel als tekstueel materiaal bevatten. De database van het Rijksmuseum is hier een goed voorbeeld van. Deze database bevat zowel afbeeldingen (bijvoorbeeld van schilderijen) als teksten (toelichtingen bij de schilderijen). In het VindIT project worden zowel de afbeeldingen als de tekst automatisch geanalyseerd. Hierbij wordt gebruik gemaakt van automatische leertechnieken. Het resultaat van iedere analyse afzonderlijk levert doorgaans onvolledige informatie op. Zo kan bijvoorbeeld het resultaat van de visuele analyse zijn dat het schilderij waarschijnlijk een interieur toont. Indien het resultaat van de tekstuele analyse aangeeft dat het om een kasteel gaat, kunnen de resultaten van beide analyses gecombineerd worden tot een betrouwbaardere identificatie van de inhoud van zowel de afbeelding als de tekst. Door het combineren van informatie uit de twee onzekere bronnen wordt nieuwe informatie gegenereerd. Deze zogenaamde kennisveredeling levert nieuwe informatie op die gebruikt kan worden om de bestaande informatie uit te breiden. Zo kan bijvoorbeeld het schilderij worden voorzien van metadata, oftewel gegevens over de inhoud (het schilderij toont het interieur van een kasteel). Het VindIT project wordt uitgevoerd door het Instituut voor Kennis en Agent Technologie (IKAT) van de Universiteit Maastricht, de Inductie van Linguistische Kennis (ILK) groep van de Universiteit van Tilburg en het Nijmegen Instituut voor Cognitie en Informatie (NICI) van de Radboud Universiteit Nijmegen.