期刊文献+

基于图像语义的用户兴趣建模 被引量:3

Modeling User's Interests Based on Image Semantics
原文传递
导出
摘要 【目的】社交网络环境下的用户兴趣建模是好友推荐、精准营销的关键,利用微博用户分享的图像,提出一种基于图像语义的用户兴趣建模方法,旨在更加准确地预测用户的真实兴趣。【方法】在获取新浪微博用户图像数据的基础上,使用图像的高层语义表达用户兴趣特征,基于这些特征使用SVM训练得到图像语义分类器进行预测。【结果】实验结果表明,本文建立的模型能够较为准确地预测用户真实兴趣,169位用户分类的准确率达到97.38%,召回率为98.92%,F值为98.14%。【局限】由于实验图像数据集有限,未能完整地覆盖用户所有的兴趣类别。【结论】该模型能够基于用户分享的图像较为准确地预测用户兴趣,表明了图像高层语义的有效性,同时为图像高层语义应用研究提供了一定的理论和技术基础。 [Objective] This paper aims to predict the user's interests accurately with a new modeling method based on the semantics of images shared on the microblogs. [Methods] First, we crawled the image data of Sina microblogging users. Then, we used high-level semantic information from these images. Finally, we predicted user's interests based on the image semantic classifier by the SVM training. [Results] The proposed method could predict user's interests effectively. Among the 169 Sina microblogging users, the precision, recall and F-values were 97.38%, 98.92% and 98.14%, respectively. [Limitations] The size of the test corpus needs to be expanded to have more comprehensive results. [Conclusions] The proposed model could predict user's interests effectively, which lays some theoretical and technical foundations for the application of high-level image semantics.
出处 《数据分析与知识发现》 CSSCI CSCD 2017年第4期76-83,共8页 Data Analysis and Knowledge Discovery
基金 国家自然科学基金面上项目"面向词汇功能的学术文本语义识别与知识图谱构建"(项目编号:71473183)的研究成果之一
关键词 图像语义 用户兴趣建模 社交网络 支持向量机 Image Semantic User Interest Modeling Social Network Support Vector Machine
  • 相关文献

参考文献8

二级参考文献162

共引文献114

同被引文献34

引证文献3

二级引证文献8

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部