资料下载
×
基于深度学习的社交图像标签和分组联合推荐模型
消耗积分:0 |
格式:rar |
大小:2.93 MB |
2021-04-23
分享资料个
随着在线社交的多媒体共享网站的蓬勃发展，社交图像推荐逐渐成为硏究热点。人们通常对社交图像进行标签化、分组化，使得图像数据更加易于管理。传统的图像标签或分组推荐方法往往只关注特定任务，忽略了标签推荐和分鉏推荐仼务之间的隐含关系。多任务学习则可以充分挖掘不同任务对图像的共享或相互关联的隐含表示，融合多种任务抽取图像特征，对于提高单一任务的准确性具有积极意义。因此，文中提岀了一种基于深度多任务学习的社交图像标签和分组联合推荐模型。该法使用基于比较的偏序学习深度网络分别进行标签推荐和分组推荐，有效缓解了单任务中的数据稀疏性问题。此外，在处理社交图像视觉特征的卷积神经网络中，首先使用多任务学习将来自不同任务的中间层特征进行连接，然后通过卷积实现降维和特征的自动融合使得不同任务的图像特征得到共享，同时降维后的融合特征能够满足下一层卷积神经网络的尺寸要求，使得单一任务的整体结构得以保持。从大量 Flickr图片共享网站上爬取的真实数据集上的实验结果表明，与现有经典推荐算法相比，所提算法获得的准确率和召回率均有较大提升，证明了该方法的有效性和可行性。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
