基于多特征異構(gòu)超圖的圖像推薦算法研究.pdf

1、在過(guò)去的數(shù)十年中，由于智能移動(dòng)設(shè)備和先進(jìn)移動(dòng)多媒體服務(wù)的廣泛應(yīng)用，用戶可以通過(guò)社交網(wǎng)絡(luò)隨時(shí)隨地的上傳圖像。最近，更多的社交網(wǎng)絡(luò)不僅收集圖像，還收集一些和圖像相關(guān)的用戶產(chǎn)生的元數(shù)據(jù)，如照片拍攝地點(diǎn)、拍攝時(shí)間等。圖像等多媒體資源信息量快速的增長(zhǎng)，在學(xué)術(shù)研究領(lǐng)域以及應(yīng)用領(lǐng)域?qū)D像等多媒體內(nèi)容信息查找的需求也更加強(qiáng)烈，在大量的圖像中找到用戶感興趣的圖像成為一個(gè)非?；钴S的研究方向，其中一個(gè)方向就是結(jié)合包括圖像文本信息，圖像底層視覺(jué)特征，圖像地理位

2、置等信息來(lái)進(jìn)行圖像推薦。簡(jiǎn)而言之，如何利用多特征進(jìn)行圖像推薦從而達(dá)到比單特征推薦更好的效果是本文的研究重點(diǎn)。
　　本文首先分析了當(dāng)前多特征圖像推薦的研究現(xiàn)狀以及存在的問(wèn)題，提出了一種基于異構(gòu)超圖的結(jié)合多種圖像特征信息的圖像推薦算法框架，將機(jī)器學(xué)習(xí)中梯度下降的分類方法應(yīng)用到超圖中圖片的排序分?jǐn)?shù)計(jì)算當(dāng)中，并進(jìn)行了相關(guān)的實(shí)驗(yàn)對(duì)圖像推薦算法中的搜索性能和滿意度進(jìn)行了研究分析。本文的主要工作如下:
　　一、圖像特征的獲取并構(gòu)造多種圖像

3、特征信息的異構(gòu)超圖
　　本文針對(duì)單一圖像特征并不能達(dá)到很好的推薦滿意度這一缺點(diǎn)，采用多種圖像特征信息，分別在圖像文本、圖像底層特征兩個(gè)特征維度上提取特征并建立異構(gòu)超圖，其中包括對(duì)圖像標(biāo)簽的預(yù)處理環(huán)節(jié)，本文提出了一種基于圖像顯著特征的軟近鄰?fù)镀狈椒▉?lái)對(duì)圖像的標(biāo)簽進(jìn)行重新排序和篩選。最終給不同特征的異構(gòu)超圖賦予不同權(quán)重，形成一個(gè)統(tǒng)一的多特征異構(gòu)超圖，作為之后機(jī)器學(xué)習(xí)權(quán)重和排序分?jǐn)?shù)學(xué)習(xí)的輸入。
　　二、基于多特征異構(gòu)超圖中圖片頂點(diǎn)

4、的排序分?jǐn)?shù)的計(jì)算
　　在特征提取后并構(gòu)造出來(lái)的統(tǒng)一的多特征的異構(gòu)超圖的基礎(chǔ)上，運(yùn)用機(jī)器學(xué)習(xí)中梯度下降的分類方法來(lái)對(duì)異構(gòu)超圖中的不同圖片的排序的分?jǐn)?shù)來(lái)進(jìn)行學(xué)習(xí)。當(dāng)用戶輸入一張圖片時(shí)，根據(jù)構(gòu)建出來(lái)的多特征異構(gòu)超圖來(lái)對(duì)圖片庫(kù)中的圖片進(jìn)行排序分?jǐn)?shù)的迭代計(jì)算，再將與輸入圖片最相似的k張圖片返回給用戶。
　　三、推薦算法框架實(shí)驗(yàn)結(jié)果和分析
　　本文將提出的圖像推薦算法框架進(jìn)行了實(shí)現(xiàn)，分析了算法的時(shí)間空間復(fù)雜度，并和當(dāng)前主流的的單特