基于社交圖片的用戶上下文信息感知算法研究與實(shí)現(xiàn).pdf

1、隨著社交行為的網(wǎng)絡(luò)化，在移動互聯(lián)網(wǎng)中的多媒體信息以類指數(shù)的方式增長著，其中社交圖像尤為突出。圖片更能符合移動互聯(lián)網(wǎng)時代的時間零碎化、行為移動化以及體驗(yàn)極致等時代特性。而社交圖像由用戶在進(jìn)行社交行為時被當(dāng)作信息載體而產(chǎn)生，因此對社交圖像的分析可以用來對其所屬用戶的相關(guān)上下文信息(用來描述用戶本身以及用戶所在環(huán)境中的任何相關(guān)信息)進(jìn)行研究。這些信息能夠用于推薦系統(tǒng)以及個性化服務(wù)上。但是之前用戶上下文信息的獲取方法主要采用信息抽取的方式，即從

2、用戶的注冊信息或者歷史行為記錄文本中抽取出來，不過會因隱私保護(hù)的影響受到極大的限制。因此本文提出一種使用移動互聯(lián)網(wǎng)上的社交圖像感知（預(yù)測）用戶上下文信息的新穎方法。
　　本研究從移動互聯(lián)網(wǎng)中豐富的社交圖片與其所屬用戶著手，首先，獲取到兩種實(shí)驗(yàn)數(shù)據(jù)集（微信和新浪微博數(shù)據(jù)），并定義本文中的用戶上文信息為：用戶性別、用戶活躍程度、拍攝時的相對位置、用戶經(jīng)常的使用終端、用戶的發(fā)圖習(xí)慣、用戶社交影響力以及用戶圖片的影響力。其次使用社交圖像提

3、取一系列描述圖像的底層特征，并嘗試性的分析這些特征與用戶上下文中各類別屬性之間的區(qū)別。接著提出一種基于視覺詞袋模型的用戶特征學(xué)習(xí)方法（UCL-BOVW）從圖像的底層特征中學(xué)習(xí)用于表述用戶的特征。然后，將上述得到的兩種數(shù)據(jù)特征分別建立模型預(yù)測，即基于圖像底層特征融合的用戶上下文預(yù)測模型，以及基于學(xué)習(xí)用戶特征的用戶上下文信息預(yù)測模型。最后通過提出的兩種模型結(jié)合機(jī)器學(xué)習(xí)算法，對本文定義的各個用戶上下文信息進(jìn)行預(yù)測。此外，結(jié)合收集到的數(shù)據(jù)中的用