面向图像共享社区的图像标签推荐方法研究.pdf

摘 要 摘 要 基于文本的图像检索系统需要对图像进行准确的语义标注，但是人工标注费时费 力，无法处理海量图像。因此，图像的自动语义标注受到广泛关注。随着以Flickr 为 代表的图像共享社区快速发展，具有丰富元数据信息的社会网络图像资源呈现爆炸式 增长。如何通过对图像元数据信息的分析和挖掘，为社会网络图像赋予语义标注词（也 称为 “标签推荐”），为图像的语义理解带来了新的挑战和新的机遇。充分利用元数 据进行图像的语义分析，也有助于跨越 “语义鸿沟”。因此，本文通过挖掘图像共享 社区中的图像元数据、图像视觉特征以及图像上下文之间的潜在联系，为图像推荐既 能准确描述其语义信息，又符合用户个性化需求的语义标签。 首先，本文提出一种基于二分图模型的个性化标签推荐算法。研究了图像所属群 组、地点对图像个性化标签推荐起到的作用。使用了标签、图像、群组以及地点四类 数据，并把这四类数据表示为图的顶点，数据之间的关系表示为边权值，从而构建二 分图。旨在利用二分图模型挖掘标签与其他三类数据的关系。该算法通过在二分图上 执行信息扩散算法获取标签信息分值向量；然后通过对向量中分值的排序，得到标签 推荐列表。实验结果表明，考虑了图像所属群组以及地点等元数据信息，可以有效提 高标签推荐的准确性，并进一步验证了元数据信息在标签推荐中起到的关键作用。 其次，我们提出了基于卷积特征和加权随机游走的个性化标签推荐算法。该算法 通过选取合适的卷积层特征，并将其进行VLAD 编码从而获得图像视觉特征。借鉴 近邻投票的思想，我们通过图像视觉特征与群组信息获取图像的加权近邻；然后在近 邻图像－标签二分图上执行加权随机游走算法，迭代收敛后可以得到各标签的分值； 最后将分值较高的标签推荐给图像。实验结果证明，群组元数据信息在图像近邻选取 中发挥了积极作用，结合群组信息和视觉特征能够得到更为相关的近邻图像，并且通 过加权随机游走算法可以有效提高标签的准确性。 本文研究了基于图像元数据信息挖掘的图像标签推荐算法。通过挖掘分析元数据 信息与图像标签之间的关系，验证了元数据信息对图像标签推荐的积极作用。综上所 述，充分利用图像的元数据信息可以为图像推荐更为准确且更符合用户个性化需求的 标签。 ; ; ; 关键词：图像元数据二分图标签相关性个性化标签推荐 i 面向图像共享社区的图像标签推荐方法研究 目 录 第1章 绪论 1 1.1 研究背景 1 1.2 研究意义 2 1.3 个性化图像标签推荐的关键问题 2 1.4 本文主要研究内容及创新点 3 1.5 本文组织结构 4 第2章 研究现状 6 2.1 研究现状概述 6 2.2 基于不同类型数据的标签推荐 6 2.2.1基于标签数据的标签推荐6 2.2.2基于标签和图像数据的标签推荐 7 2.2.3基于标签、图像和元数据信息的标签推荐 8 2.3 标签推荐的常用模型与算法 9 2.3.1基于实例的标签推荐 10 2.3.2基于模型的标签推荐 12 2.3.3基于直推式的标签推荐 12 2.4 本章小结13 第3章 图像标签推荐问题概述 14 3.1 图像标签推荐问题的形式化表示14 3.2 图像特征表示14 3.2.1图像常用的视觉特征 14 3.2.2本文使用的图像特征 15 3.3 相似度度量方法15 3.3.1图像的视觉相似度常用度量方法15 3.3.2标签相似度常用度量方法16 3.4 常用性能评价测度17