圖片推薦是一個熱門的研究主題並常被應用在圖片搜索引擎上。我們所提出的Progressive Image Search And Recommendation System(PISAR)主要分為兩部分。第一部分是根據使用者輸入的查詢詞彙推薦一系列圖片，並且依據對於詞彙的相關性排序，假設使用者輸入k個搜尋詞彙，根據TF-IDF技術我們可以先計算各圖片對每個詞彙(對應成標記)的相關性，再推算出每個圖片對於所有詞彙的相關性，最後再根據相關性的大小進行推薦的順位。第二部分則是當使用者從第一次推薦中選出認為比較相關的圖片(正相關圖片)後，這些圖片的標記被當作high-level concepts再次利用TF-IDF求出相關性，圖片的視覺特徵則視為low-level concepts用來訓練Multi-Bag Support Vector Machine(MB-SVM)，MB-SVM可求出圖片對於所有正相關圖片的視覺相似度，最後結合圖片對標記的相關性與對正相關圖片的相似度求得reranking score再進行排序，讓推薦結果更符合使用者的需求。成果發表於Systems, Man, and Cybernetics (SMC), 2011。