隨著社交多媒體信息的迅速增長,用戶獲取感興趣信息的難度越來越大,個性化的社交推薦技術(shù)變得尤為迫切。在社交多媒體計算模型的研究中,多種模態(tài)信息的“語義鴻溝”以及信息過載帶來的“意圖鴻溝”一直是困擾社交多媒體技術(shù)發(fā)展的瓶頸問題。為減輕語義鴻溝與意圖鴻溝對社交多媒體計算的阻礙,本論文旨在研究社交多媒體環(huán)境下,視覺信息語義鴻溝與多模態(tài)信息協(xié)同關(guān)系在社交推薦中的作用,通過挖掘社交多媒體信息間的隱含關(guān)聯(lián),建立跨模態(tài)信息關(guān)聯(lián),為用戶提供個性化的社交推薦。主要完成三部分工作:1、研究了一種遞進(jìn)流形排序的圖像推薦算法。考慮到視覺信息復(fù)雜多變、內(nèi)容差異參差不齊,根據(jù)圖像視覺信息的差異程度,以從易到難的策略,漸進(jìn)地提升模型的學(xué)習(xí)能力,以流形排序的方式估計用戶圖像相關(guān)度,為用戶推薦個性化的圖像。2、研究了一種流形模塊化排序的圖像推薦算法。利用流形的局部語義分布關(guān)系將全局流形模塊化為多個子流形,以避免語義交叉對模型學(xué)習(xí)的干擾,同時降低流形學(xué)習(xí)的計算負(fù)擔(dān)。建立數(shù)據(jù)規(guī)模可擴(kuò)展的流形學(xué)習(xí)模型,通過在子流形上依次傳播用戶的歷史記錄推斷稠密的用戶-圖像相關(guān)性,為用戶提供個性化的圖像推薦。3、研究了一種多模態(tài)流形協(xié)同的圖像...

【文章頁數(shù)】：73 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題背景與研究意義
    1.2 關(guān)鍵問題
    1.3 論文的研究內(nèi)容與論文結(jié)構(gòu)
第2章 相關(guān)工作
    2.1 推薦算法的研究現(xiàn)狀
        2.1.1 基于內(nèi)容的推薦算法
        2.1.2 協(xié)同過濾推薦算法
        2.1.3 混合推薦算法
    2.2 流形學(xué)習(xí)的研究現(xiàn)狀
    2.3 多模態(tài)協(xié)同學(xué)習(xí)的研究現(xiàn)狀
    2.4 推薦系統(tǒng)評測
        2.4.1 推薦系統(tǒng)的評價指標(biāo)獲取方法
        2.4.2 推薦系統(tǒng)的評價指標(biāo)
第3章 遞進(jìn)流形排序的圖像推薦
    3.1 遞進(jìn)流形排序的推薦算法
        3.1.1 動機(jī)與創(chuàng)新
        3.1.2 圖像表達(dá)
        3.1.3 遞進(jìn)學(xué)習(xí)規(guī)則
        3.1.4 基于遞進(jìn)學(xué)習(xí)的流形排序
    3.2 實驗結(jié)果及分析
        3.2.1 參數(shù)的選擇
        3.2.2 遞進(jìn)流形排序的有效性
        3.2.3 相似性對比
        3.2.4 實驗結(jié)果對比
    3.3 本章小結(jié)
第4章 流形模塊化排序的圖像推薦
    4.1 流形模塊化排序
        4.1.1 動機(jī)與創(chuàng)新
        4.1.2 流形模塊化
        4.1.3 基于模塊化的流形排序
    4.2 實驗結(jié)果及分析
        4.2.1 語義流形模塊化的有效性
        4.2.2 相似性對比
        4.2.3 實驗結(jié)果對比
    4.3 本章小結(jié)
第5章 多模態(tài)流形協(xié)同排序的圖像推薦
    5.1 多模態(tài)流形協(xié)同排序
        5.1.1 動機(jī)與創(chuàng)新
        5.1.2 興趣流形傳播
        5.1.3 視覺流形傳播
        5.1.4 多模態(tài)流形協(xié)同傳播
    5.2 實驗結(jié)果及分析
        5.2.1 興趣流形構(gòu)建
        5.2.2 視覺流形構(gòu)建
        5.2.3 多模態(tài)協(xié)同推薦
        5.2.4 實驗結(jié)果對比
    5.3 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文
致謝



本文編號：3903984