【摘要】：社交網(wǎng)絡(luò)是近幾年來興起的基于用戶關(guān)系的信息創(chuàng)造與傳播平臺。隨著移動互聯(lián)網(wǎng)的蓬勃發(fā)展,社交網(wǎng)絡(luò)逐漸成為人們生活中不可或缺的一部分。用戶在微博等社交網(wǎng)絡(luò)平臺發(fā)表文本內(nèi)容的同時,通常會借助圖像來對事件進行補充描述。因此,對社交網(wǎng)絡(luò)多模態(tài)數(shù)據(jù)進行深度特征提取,并通過多模態(tài)語義空間學(xué)習(xí)實現(xiàn)多模態(tài)數(shù)據(jù)的信息融合,對于提升主題發(fā)現(xiàn)和突發(fā)事件檢測的效果具有非常重要的意義。本文的主要工作包括以下幾個方面:(1)針對社交網(wǎng)絡(luò)文本數(shù)據(jù),提出了基于用戶互動行為特征的短文本語義擴展算法(UISSE),并利用深度去噪自編碼網(wǎng)絡(luò)對擴展后的文本數(shù)據(jù)進行深度特征提取;針對社交網(wǎng)絡(luò)圖像數(shù)據(jù),提出了利用空間金字塔池化層對傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)進行改進的方法。實驗結(jié)果表明,所提出的算法在分類實驗中的準確率、召回率和F-measure等指標與對比算法相比均有所提升。(2)提出了社交網(wǎng)絡(luò)多模態(tài)深度量化算法(MDQS)。MDQS算法將文本數(shù)據(jù)和圖像數(shù)據(jù)的深度特征映射到連續(xù)的潛在語義空間中,并進一步映射到離散的哈希語義空間中提高了檢索效率。實驗結(jié)果表明,MDQS算法能夠有效地對社交網(wǎng)絡(luò)數(shù)據(jù)集進行多模態(tài)語義空間的學(xué)習(xí),并且在同模態(tài)搜索和跨模態(tài)搜索實驗中的實驗結(jié)果均優(yōu)于對比算法。(3)提出了基于社交網(wǎng)絡(luò)多模態(tài)語義空間的話題檢測算法(MSSTD)。MSSTD算法對每個時間窗內(nèi)的社交網(wǎng)絡(luò)數(shù)據(jù)分別構(gòu)造文本圖和視覺圖,并根據(jù)語義相似度和時間誤差系數(shù)進行多模態(tài)圖融合,最后通過話題恢復(fù)算法得到話題發(fā)現(xiàn)和突發(fā)事件檢測的結(jié)果。實驗結(jié)果表明,MSSTD算法能夠有效地根據(jù)社交網(wǎng)絡(luò)跨媒體大數(shù)據(jù)進行突發(fā)事件檢測,并且所檢測到的話題質(zhì)量和話題突發(fā)度均優(yōu)于對比算法。(4)設(shè)計并實現(xiàn)了社交網(wǎng)絡(luò)多模態(tài)語義空間學(xué)習(xí)與國民安全突發(fā)事件檢測系統(tǒng)。系統(tǒng)包含數(shù)據(jù)采集、深度特征提取、突發(fā)事件檢測和系統(tǒng)展示四個模塊,有效地驗證了本文所提出的一系列算法,并且具有一定的實用價值。
【學(xué)位授予單位】：北京郵電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP391.1
【圖文】：

逡逑圖３－８不同超參數(shù)（以，０）取值下的Ｆ－ｍｅａｓｕｒｅ值對比逡逑不同（ａ，灼取值下的Ｆ－ｍｅａｓｕｒｅ值如圖３－８所示，可以看到（＾，々）取值為逡逑２３逡逑

ｓｏｆｔｍａｘ分類器，并使用測試集驗證分類結(jié)果。因為四種模型所使用的分類器模逡逑型完全相同，所以分類效果可以代表深度特征提取的效果。四種不同模型所提取逡逑到的文本深度特征在ｓｏｆｔｍａｘ分類器下的實驗結(jié)果對比如表３－２和圖３－９所示。逡逑表３－２不同算法提取的文本深度特征在ｓｏｆｔｍａｘ分類器下的分類效果對比逡逑邐算法名稱邐準確率邋召回率邋Ｆ－ｍｅａｓｕｒｅ逡逑詞嵌入模型邐０．７５６邐０．８０８邐０．７９７逡逑ＵＩＳＳＥ＋詞嵌入模型邐０．８１１邐０．８２１邐０．８１６逡逑深度去噪自編碼網(wǎng)絡(luò)邐０．８４１邐０．７８４邐０．８１１逡逑ＵＩＳＳＥ＋深度去噪自編碼網(wǎng)絡(luò)邋０．８４３邐０．８５６邐０．８４９逡逑ｒ￣ｉ詞嵌入模型逡逑，ＭＵＩＳＳＥ＋詞嵌入模型逡逑＇邐ｍ深度去噪自編碼網(wǎng)絡(luò)逡逑■邐丨＿邋ＵＩＳＳＥ＋深凌去噪自編碼網(wǎng)絡(luò)逡逑＿逡逑準確率邐召回率邐Ｆ－ｍｅａｓｕｒｅ逡逑評價指標逡逑圖３－９不同算法提取的文本深度特征在ｓｏｆｔｍａｘ分類器下的分類效果對比逡逑表３－２和圖３－９所展示的分類實驗結(jié)果對比中可以看出，利用ＵＩＳＳＥ算法進逡逑行短文本語義擴展的文本深度特征提取的模型相比于未進行語義擴展的模型，其逡逑２４逡逑

準確率、召回率和Ｆ－ｍｅａｓｕｒｅ指標值分別提升了邋２．９％、４．３％和３．０％，說Ｅ算法能夠有效地解決社交網(wǎng)絡(luò)短文本數(shù)據(jù)存在的語義稀疏性、二義性等詞嵌入模型與深度去噪自編碼網(wǎng)絡(luò)的分類實驗結(jié)果對比中可以看出，相嵌入模型，深度去噪自編碼網(wǎng)絡(luò)的分類準確率、召回率和Ｆ－ｍｅａｓｕｒｅ分別２．１％、３．５％和３．３％，說明深度去噪自編碼網(wǎng)絡(luò)更適用于社交網(wǎng)絡(luò)文本數(shù)特征提取。逡逑社交網(wǎng)絡(luò)圖像深度特征提取與表達實驗逡逑了驗證基于空間金字塔池化層對傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)模型進行改進后，在絡(luò)圖像數(shù)據(jù)集上的深度特征提取效果，本節(jié)選取了邋Ａｌｅｘ－Ｎｅｔ、基于空間金層改進的Ａｌｅｘ－Ｎｅｔ邋（Ａｌｅｘ－Ｎｅｔｗｉｔｈ邋ＳＰＰ）、ＶＧＧ－Ｎｅｔ、基于空間金字塔池的ＶＧＧ－Ｎｅｔ邋（ＶＧＧ－ＮｅｔｗｉｔｈＳＰＰ）四種網(wǎng)絡(luò)模型進行社交網(wǎng)絡(luò)圖像深度取實驗。首先利用社交網(wǎng)絡(luò)數(shù)據(jù)集中的分類標簽對四種網(wǎng)絡(luò)模型進行有監(jiān)，然后使用測試集驗證分類效果。四種不同模型的分類實驗結(jié)果對比如表３圖３－１０所示。逡逑表３－３不同算法提取的深度圖像特征分類效果對比逡逑

【相似文獻】

相關(guān)期刊論文 前10條

1 張全;陸長德;余隋懷;于明玖;;基于多維情感語義空間的色彩表征方法[J];計算機輔助設(shè)計與圖形學(xué)學(xué)報;2006年02期

2 張海波;張春艷;商書元;張穎;;男T恤圖像情感語義空間研究[J];紡織科技進展;2016年06期

3 蔡碧霞;論語料庫為基礎(chǔ)的潛在語義空間內(nèi)詞義的量化分析[J];西安外國語學(xué)院學(xué)報;2005年03期

4 鄭帥;齊向明;;基于多維語義空間的垃圾短信過濾算法[J];自動化技術(shù)與應(yīng)用;2018年07期

5 倪宇超;張志軍;;萊蒙托夫抒情詩語義空間中的“幸�！备拍頪J];綏化學(xué)院學(xué)報;2009年02期

6 張德;王子瑋;張峰;;基于語義空間統(tǒng)一表征的視頻多模態(tài)內(nèi)容分析技術(shù)[J];電視技術(shù);2017年Z2期

7 楊曉航;張曉林;;語義空間系統(tǒng):語義Web技術(shù)的新應(yīng)用——基于語義整合Web資源與服務(wù)[J];數(shù)字圖書館論壇;2006年05期

8 楊山;楊雅婷;溫正陽;米成剛;;基于語義空間的抽取式單文檔摘要方法[J];廈門大學(xué)學(xué)報(自然科學(xué)版);2019年02期

9 劉云峰,齊歡,代建民;潛在語義分析在中文信息處理中的應(yīng)用[J];計算機工程與應(yīng)用;2005年03期

10 段紅偉;孟令奎;黃長青;李穎;李繼園;;面向SPARQL查詢的地理語義空間索引構(gòu)建方法[J];測繪學(xué)報;2014年02期

相關(guān)會議論文 前4條

1 任海平;李偉忠;姚誠偉;;基于深度學(xué)習(xí)的智能寫稿輔助服務(wù)設(shè)計[A];中國新聞技術(shù)工作者聯(lián)合會2017年學(xué)術(shù)年會論文集（學(xué)術(shù)論文篇）[C];2017年

2 陳浩彬;汪鳳炎;;基于智慧德才兼?zhèn)淅碚摰闹腔鄯诸愌芯縖A];第十五屆全國心理學(xué)學(xué)術(shù)會議論文摘要集[C];2012年

3 張海濤;張書亮;姜杰;顧燕;;基于EKR+的GML整體索引[A];第四屆海峽兩岸GIS發(fā)展研討會暨中國GIS協(xié)會第十屆年會論文集[C];2006年

4 喬百友;謝可心;王國仁;;TH-Ring:一種基于語義的結(jié)構(gòu)化P2P網(wǎng)絡(luò)[A];第二十四屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2007年

相關(guān)博士學(xué)位論文 前3條

1 蒲強;基于獨立分量分析的語義聚類技術(shù)在信息檢索中的應(yīng)用研究[D];電子科技大學(xué);2010年

2 段紅偉;地理語義查詢關(guān)鍵技術(shù)研究[D];武漢大學(xué);2013年

3 林梓佳;圖像語義標注方法研究[D];清華大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 李志堅;社交網(wǎng)絡(luò)多模態(tài)語義空間學(xué)習(xí)與國民安全突發(fā)事件檢測研究[D];北京郵電大學(xué);2019年

2 李虹磊;基于語義空間和神經(jīng)網(wǎng)絡(luò)的生物醫(yī)學(xué)事件抽取[D];大連理工大學(xué);2017年

3 陳磊;空間構(gòu)型對語篇連貫的解釋[D];東華大學(xué);2012年

4 畢臣;基于語段的潛在語義分析技術(shù)研究[D];沈陽航空航天大學(xué);2014年

5 鄭偉;基于潛在語義索引的文本聚類技術(shù)研究[D];沈陽航空工業(yè)學(xué)院;2009年

6 郭東波;基于偽文檔的潛在語義索引優(yōu)化技術(shù)的研究[D];沈陽航空工業(yè)學(xué)院;2010年

7 周昊;個體 形象[D];中國美術(shù)學(xué)院;2015年

8 于霽月;基于產(chǎn)品語義學(xué)的服務(wù)機器人造型設(shè)計研究與應(yīng)用[D];沈陽工業(yè)大學(xué);2017年

9 鮑光余;基于潛在語義分析的農(nóng)戶個性化推薦系統(tǒng)[D];海南大學(xué);2011年

10 杜昌;從原型構(gòu)式看詞類在句法結(jié)構(gòu)中的分布[D];上海師范大學(xué);2016年

本文編號：2790753