基于流形学习与社交网络用户信息的社交推荐

发布时间：2024-02-20 06:28

　　随着社交多媒体信息的迅速增长,用户获取感兴趣信息的难度越来越大,个性化的社交推荐技术变得尤为迫切。在社交多媒体计算模型的研究中,多种模态信息的“语义鸿沟”以及信息过载带来的“意图鸿沟”一直是困扰社交多媒体技术发展的瓶颈问题。为减轻语义鸿沟与意图鸿沟对社交多媒体计算的阻碍,本论文旨在研究社交多媒体环境下,视觉信息语义鸿沟与多模态信息协同关系在社交推荐中的作用,通过挖掘社交多媒体信息间的隐含关联,建立跨模态信息关联,为用户提供个性化的社交推荐。主要完成三部分工作:1、研究了一种递进流形排序的图像推荐算法。考虑到视觉信息复杂多变、内容差异参差不齐,根据图像视觉信息的差异程度,以从易到难的策略,渐进地提升模型的学习能力,以流形排序的方式估计用户图像相关度,为用户推荐个性化的图像。2、研究了一种流形模块化排序的图像推荐算法。利用流形的局部语义分布关系将全局流形模块化为多个子流形,以避免语义交叉对模型学习的干扰,同时降低流形学习的计算负担。建立数据规模可扩展的流形学习模型,通过在子流形上依次传播用户的历史记录推断稠密的用户-图像相关性,为用户提供个性化的图像推荐。3、研究了一种多模态流形协同的图像...

【文章页数】：73 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题背景与研究意义
    1.2 关键问题
    1.3 论文的研究内容与论文结构
第2章 相关工作
    2.1 推荐算法的研究现状
        2.1.1 基于内容的推荐算法
        2.1.2 协同过滤推荐算法
        2.1.3 混合推荐算法
    2.2 流形学习的研究现状
    2.3 多模态协同学习的研究现状
    2.4 推荐系统评测
        2.4.1 推荐系统的评价指标获取方法
        2.4.2 推荐系统的评价指标
第3章 递进流形排序的图像推荐
    3.1 递进流形排序的推荐算法
        3.1.1 动机与创新
        3.1.2 图像表达
        3.1.3 递进学习规则
        3.1.4 基于递进学习的流形排序
    3.2 实验结果及分析
        3.2.1 参数的选择
        3.2.2 递进流形排序的有效性
        3.2.3 相似性对比
        3.2.4 实验结果对比
    3.3 本章小结
第4章 流形模块化排序的图像推荐
    4.1 流形模块化排序
        4.1.1 动机与创新
        4.1.2 流形模块化
        4.1.3 基于模块化的流形排序
    4.2 实验结果及分析
        4.2.1 语义流形模块化的有效性
        4.2.2 相似性对比
        4.2.3 实验结果对比
    4.3 本章小结
第5章 多模态流形协同排序的图像推荐
    5.1 多模态流形协同排序
        5.1.1 动机与创新
        5.1.2 兴趣流形传播
        5.1.3 视觉流形传播
        5.1.4 多模态流形协同传播
    5.2 实验结果及分析
        5.2.1 兴趣流形构建
        5.2.2 视觉流形构建
        5.2.3 多模态协同推荐
        5.2.4 实验结果对比
    5.3 本章小结
结论
参考文献
攻读硕士学位期间发表的学术论文
致谢



本文编号：3903984