本文關鍵詞： 跨媒體檢索 在線商品 特征學習 關聯(lián)學習 典型相關性分析 語義相關匹配　出處：《華東交通大學》2016年碩士論文　論文類型：學位論文

【摘要】：現(xiàn)有電子商務平臺僅提供基于關鍵字匹配的單模態(tài)檢索,檢索準確率偏低,用戶常常無法準確地找到所需商品,其檢索交互體驗較差�？缑襟w檢索基于多媒體數(shù)據(jù)之間的語義相關性實現(xiàn)異構(gòu)媒體之間的直接檢索,它能有效提高信息檢索的查準率,是單模態(tài)檢索的有益補充。本文充分考慮商品圖像及其文本描述的自身特點,將跨媒體檢索模型和方法應用于面向電子商務平臺的在線商品檢索,主要從特征學習和關聯(lián)學習兩個角度展開研究工作:一、傳統(tǒng)文本特征提取方式未考慮關鍵特征詞在文本中出現(xiàn)位置的統(tǒng)計信息,為了突出關鍵特征詞權(quán)重,抑制文本噪聲干擾,引入Tag-rank模型,根據(jù)特征詞在文本中的位置統(tǒng)計分布計算其絕對排序和相對排序權(quán)重,增強文本特征判別性,最終改善跨媒體檢索性能。實驗結(jié)果表明,在文本檢索圖像中,絕對排序類模型和相對排序類模型檢索性能平均提升4.99%和6.58%;在圖像檢索文本中,若合理選取圖像特征(如GIST特征),也能有效提升檢索性能。此外,本文設計的絕對排序類模型和相對排序類模型的輸出結(jié)果后融合的策略能進一步改善跨媒體檢索性能。二、圖像和文本之間存在嚴重的內(nèi)容鴻溝和語義鴻溝,基于典型相關性分析分別建立核典型相關模型和語義相關匹配模型。核典型相關模型將核函數(shù)引入典型相關性分析,學習圖像和文本之間隱藏的非線性關聯(lián),從而縮小內(nèi)容鴻溝并且增強兩者之間的關聯(lián),改善跨媒體檢索性能。語義相關匹配模型將典型相關空間的圖像和文本特征映射到高層語義空間,并學習兩者間的語義關聯(lián),以縮小兩者之間的語義鴻溝,提高跨媒體檢索性能。實驗結(jié)果表明,基于線性核、高斯核和多項式核的核典型相關模型均能夠有效地提升跨媒體檢索性能,其中基于高斯核的核典型相關模型平均提升2.37%,效果最顯著;語義相關匹配模型能有效地改善文本檢索圖像性能,平均提高3.82%,在圖像檢索文本中,若合理地選擇圖像特征(如SIFT特征),也能改善檢索性能。
[Abstract]:The existing e-commerce platform only provides keyword matching based on single mode retrieval, the retrieval accuracy is low, users often can not find the desired goods accurately. Cross-media retrieval based on semantic correlation between multimedia data to achieve direct retrieval between heterogeneous media, it can effectively improve the accuracy of information retrieval. This paper fully considers the characteristics of commodity image and its text description, and applies cross-media retrieval model and method to online commodity retrieval based on e-commerce platform. The main research work is from two aspects of feature learning and association learning: first, the traditional text feature extraction method does not consider the statistical information of the location of key feature words in the text, in order to highlight the weight of key feature words. In order to reduce text noise interference, Tag-rank model is introduced to calculate the absolute ranking and relative sorting weights according to the statistical distribution of the location of feature words in the text, so as to enhance the text feature discrimination. Finally, the performance of cross-media retrieval is improved. The experimental results show that in text retrieval, the retrieval performance of absolute sort model and relative sort class model are improved by 4.99% and 6.58 on average. In the image retrieval text, if the image features (such as GIST features) are properly selected, the retrieval performance can also be effectively improved. The fusion strategy of absolute sort class model and relative sort class model designed in this paper can further improve the performance of cross-media retrieval. Secondly, there is a serious content gap and semantic gap between image and text. Kernel canonical correlation model and semantic correlation matching model are established based on canonical correlation analysis. Kernel canonical correlation model introduces kernel function into canonical correlation analysis to learn the hidden nonlinear correlation between image and text. In order to reduce the content gap and enhance the correlation between the two improve cross-media retrieval performance. Semantic correlation matching model maps the image and text features of the typical correlation space to the high-level semantic space. In order to reduce the semantic gap between the two and improve the performance of cross-media retrieval, the experimental results show that, based on linear kernel. The kernel canonical correlation model of Gao Si kernel and polynomial kernel can effectively improve the performance of cross-media retrieval. Semantic correlation matching model can effectively improve the image performance of text retrieval, with an average increase of 3.82%. In image retrieval, image features (such as SIFT features) should be reasonably selected. It also improves retrieval performance.
【學位授予單位】：華東交通大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.3

【相似文獻】

相關期刊論文 前10條

1 劉韜,帥彥茹;迎接跨媒體的藝術(shù)新生兒──“電腦劇”[J];電子出版;2001年07期

2 皮卓丁;數(shù)字出版與跨媒體解決方案[J];中國傳媒科技;2005年07期

3 ;網(wǎng)絡開辟跨媒體時代[J];廣告人;2008年02期

4 王琪琦;李海燕;;試論“跨媒體”內(nèi)容創(chuàng)作的策略[J];河北師范大學學報(哲學社會科學版);2011年05期

5 王琪琦;李海燕;;試論“跨媒體”內(nèi)容創(chuàng)作的策略[J];重慶交通大學學報(社會科學版);2011年05期

6 周洋;;融媒時代跨媒體新聞編輯部的角色轉(zhuǎn)變與實踐探索[J];電視研究;2012年12期

7 黃丹俞;;跨媒體信息素養(yǎng)的概念、特點及對圖書館的意義[J];圖書情報工作;2013年14期

8 羅建輝;;視聽新媒體是電視劇傳播的重要平臺——在“2013‘飛天獎’創(chuàng)作與跨媒體傳播高峰論壇”上的致辭[J];中國電視;2014年02期

9 陶然;跨媒體在國內(nèi)的發(fā)展現(xiàn)狀和前景──由新浪網(wǎng)并購陽光文化引起的思考[J];新聞知識;2002年02期

10 王炎龍;關于“跨媒體傳播”問題的探討[J];新聞知識;2002年02期

相關會議論文 前3條

1 郭之文;;跨媒體科學傳播初探[A];第十一屆中國科協(xié)年會第33分會場新媒體與科技傳播研討會論文集[C];2009年

2 黃敏;劉浩學;;不同光源照度對跨媒體顏色復制的影響研究[A];中國光學學會2010年光學大會論文集[C];2010年

3 李幸;;在欠發(fā)達地區(qū)建立跨媒體集團的啟示——紅河新聞傳媒集團觀察記[A];求異與趨同——中國影視文化主體性追求與現(xiàn)代性建構(gòu)：中國高等院校影視學會第十二屆年會暨第五屆中國影視高層論壇文集[C];2008年

相關重要報紙文章 前10條

1 辛健;李穎：跨媒體的高級操盤手[N];中華工商時報;2001年

2 本報記者盧思宇;賽迪影視鐘情跨媒體模式[N];中國經(jīng)營報;2002年

3 李希光;媒體的融合與跨媒體記者[N];中華新聞報;2001年

4 國金證券 毛崢嶸　唐建偉;博瑞傳播 跨媒體產(chǎn)業(yè)布局日漸清晰[N];中國證券報;2009年

5 克里斯托夫·合洛瓦提Christoph Holowaty 德英GamesIndustry.biz網(wǎng)站主編;跨媒體故事講述[N];中國圖書商報;2012年

6 本報記者 冰蕭;跨媒體的暢想[N];中國計算機報;2001年

7 記者 虞寶竹;跨媒體、跨區(qū)域 合力打造新媒體[N];中華新聞報;2007年

8 畢磊;由“迷失”現(xiàn)象探析跨媒體大傳媒運作[N];中國新聞出版報;2006年

9 本報記者 裴秋菊;跨媒體傳媒帝國如何形成[N];中國文化報;2014年

10 李明;佛山市新聞中心正式投入使用[N];中華新聞報;2007年

相關博士學位論文 前2條

1 張磊;跨媒體語義共享子空間學習理論與方法研究[D];北京交通大學;2015年

2 張鴻;基于相關性挖掘的跨媒體檢索研究[D];浙江大學;2007年

相關碩士學位論文 前7條

1 孟媛媛;跨媒體熱點追蹤系統(tǒng)的研究與實現(xiàn)[D];哈爾濱工業(yè)大學;2015年

2 楊濤;基于近鄰可逆性的跨媒體檢索研究[D];北京交通大學;2016年

3 陳婧琳;基于特征學習和關聯(lián)學習的在線商品跨媒體檢索研究[D];華東交通大學;2016年

4 蔣益秀;新聞信息的跨媒體傳播研究[D];中國社會科學院研究生院;2002年

5 劉凱;基于語義的跨媒體一致性研究[D];北京交通大學;2015年

6 侯曉文;從使用與滿足理論探析傳統(tǒng)雜志與微博的跨媒體合作[D];山東師范大學;2013年

7 張凱;基于跨媒體檢索的網(wǎng)絡報警的研究與實現(xiàn)[D];吉林大學;2012年

，

本文編號：1446763