本文選題：圖片推薦　切入點(diǎn)：標(biāo)簽　出處：《天津大學(xué)》2016年碩士論文　論文類型：學(xué)位論文

【摘要】：在網(wǎng)絡(luò)時(shí)代的今天,以互聯(lián)網(wǎng)為傳播媒介的信息如井噴式增長(zhǎng),怎么從這樣大數(shù)量級(jí)的數(shù)據(jù)中搜索出有效信息的難點(diǎn)隨之產(chǎn)生,個(gè)性化推薦的出現(xiàn)就是為了解決這一難點(diǎn)。不容易直接提的內(nèi)容主要為多媒體資源,它主要包括圖片,音視頻等,應(yīng)用標(biāo)簽可以很好解決這一問(wèn)題,標(biāo)簽系統(tǒng)作為個(gè)性化推薦系統(tǒng)的基礎(chǔ)應(yīng)運(yùn)而生。在我們搜索有效信息的同時(shí),常常需要主觀去輸入關(guān)鍵詞和聯(lián)想描述,但是用戶有時(shí)很難精確的把握到自己目標(biāo)詞匯的關(guān)鍵詞,常常搜索出來(lái)的結(jié)果與自己的預(yù)想相差甚遠(yuǎn),而個(gè)性化推薦不需要用戶主動(dòng)去輸入什么,便可以達(dá)到智能推薦的目的。標(biāo)簽系統(tǒng)可以根據(jù)不同用戶所提供的標(biāo)簽互相關(guān)聯(lián),從而達(dá)到推薦的目的。簡(jiǎn)單來(lái)說(shuō),標(biāo)簽就是組成多媒體資源特點(diǎn)的不同元素,一個(gè)信息有不同的元素,而這些元素都是用戶賦予的,所以由算法計(jì)算這些元素之間的關(guān)聯(lián)性,從而推斷資源乃至用戶的愛(ài)好,由此便可實(shí)現(xiàn)智能化推薦的目標(biāo)。為了是用戶能迅速找到對(duì)自己有用的有效圖片,本文對(duì)以協(xié)同過(guò)濾及標(biāo)簽為基礎(chǔ)的圖片推薦系統(tǒng)進(jìn)行討論。一開(kāi)始要介紹的是推薦標(biāo)簽的方法,對(duì)相關(guān)圖片進(jìn)行標(biāo)注,這時(shí)候標(biāo)簽就成為了該圖片的基礎(chǔ)元素,對(duì)圖片的所有標(biāo)簽元素出現(xiàn)頻率進(jìn)行排列,以此作為標(biāo)簽推薦的依據(jù),稱之為關(guān)聯(lián)度。在此基礎(chǔ)上,對(duì)圖片的所有標(biāo)簽元素進(jìn)行求和計(jì)算,以此來(lái)完成圖片的推薦。而以系統(tǒng)過(guò)濾為基礎(chǔ)的推薦方法,計(jì)算的則是另一個(gè)相關(guān)元素,用戶評(píng)分,對(duì)評(píng)分進(jìn)行矩陣計(jì)算,以此構(gòu)建用戶相似度模型。
[Abstract]:In the age of network, how to search for effective information from such a large order of magnitude data with the Internet as the medium of communication, such as blowout growth, comes into being with it. The appearance of personalized recommendation is to solve this difficulty. The main content that is not easy to mention directly is multimedia resources. It mainly includes pictures, audio and video, etc. The application of tags can solve this problem very well. Tag system as the basis of personalized recommendation system arises at the historic moment. When we search for effective information, we often need to input keyword and associative description subjectively, but sometimes it is difficult for users to accurately grasp the keywords of their target words. The results are often far from their expectations, and personalized recommendation does not require the user to enter anything to achieve the purpose of intelligent recommendation. The tag system can be based on the tags provided by different users to relate to each other. In simple terms, tags are different elements that make up the characteristics of multimedia resources, and a message has different elements, and these elements are all given by the user, so the algorithm calculates the correlation between these elements. The goal of intelligent recommendation can be achieved by inferring resources and even users' hobbies, so that users can quickly find valid pictures that are useful to them. In this paper, we discuss the image recommendation system based on collaborative filtering and label. At the beginning, we want to introduce the method of recommending label, and label the relevant picture, then label becomes the basic element of the picture. The frequency of all tag elements in the picture is arranged as the basis of the label recommendation, which is called the correlation degree. On this basis, the sum of all the tag elements of the picture is calculated. The recommendation method based on system filtering is used to calculate another related element, the user score, the matrix calculation of the score, so as to construct the user similarity model.
【學(xué)位授予單位】：天津大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.3

【參考文獻(xiàn)】

相關(guān)期刊論文 前8條

1 賈君枝;張寧;;社會(huì)標(biāo)簽的應(yīng)用功能分析[J];情報(bào)理論與實(shí)踐;2012年11期

2 王國(guó)霞;劉賀平;;個(gè)性化推薦系統(tǒng)綜述[J];計(jì)算機(jī)工程與應(yīng)用;2012年07期

3 韓敏;唐常杰;段磊;李川;鞏杰;;基于TF-IDF相似度的標(biāo)簽聚類方法[J];計(jì)算機(jī)科學(xué)與探索;2010年03期

4 李樹(shù)青;;個(gè)性化信息檢索技術(shù)綜述[J];情報(bào)理論與實(shí)踐;2009年05期

5 許海玲;吳瀟;李曉東;閻保平;;互聯(lián)網(wǎng)推薦系統(tǒng)比較研究[J];軟件學(xué)報(bào);2009年02期

6 宮唐小恒;李旭偉;;Protocol Buffers——比XML快近100倍[J];電腦與信息技術(shù);2009年01期

7 余力,劉魯;電子商務(wù)個(gè)性化推薦研究[J];計(jì)算機(jī)集成制造系統(tǒng);2004年10期

8 路海明,盧增祥,徐晉暉,李衍達(dá);基于Agent技術(shù)的個(gè)性化主動(dòng)信息服務(wù)[J];計(jì)算機(jī)工程與應(yīng)用;1999年06期

相關(guān)博士學(xué)位論文 前2條

1 靳延安;社會(huì)標(biāo)簽推薦技術(shù)與方法研究[D];華中科技大學(xué);2011年

2 郭艷紅;推薦系統(tǒng)的協(xié)同過(guò)濾算法與應(yīng)用研究[D];大連理工大學(xué);2008年

相關(guān)碩士學(xué)位論文 前3條

1 孔祥迎;基于社會(huì)化標(biāo)簽的個(gè)性化推薦技術(shù)研究[D];電子科技大學(xué);2013年

2 程成;基于社會(huì)化標(biāo)簽和混合模式的教學(xué)資源個(gè)性化推薦系統(tǒng)的設(shè)計(jì)[D];北京交通大學(xué);2012年

3 劉志麗;基于內(nèi)容的社會(huì)標(biāo)簽推薦技術(shù)研究[D];哈爾濱工程大學(xué);2012年

，

本文編號(hào)：1579179