一种基于移动互联网社交图片预测用户上下文信息的方法技术

本发明专利技术通过分析用户上传到移动互联网上的图片数据，预测图片的内容、用户的性别、天气状况以及活动场景等用户上下文信息。获取用户上传到移动互联网上的图片数据，对图片进行统计分析，并计算相应数字特征。将一张图片的所有数字特征作为图片特征向量，通过图片ID和用户ID将用户的上下文信息和图片特征向量关联起来，分析图片数据与用户上下文信息之间的关系，从而达到依据图片数据预测用户的上下文信息的目的。采用SVM和KNN模型实现对用户的上下文信息的分类预测。本发明专利技术将用户的性别、活动场景等作为二分类问题处理，天气状况、图片内容等作为多分类问题处理。本发明专利技术实施例的有益效果是，通过分析用用户上传到移动互联网上的图片数据可以对用户的性别、活动场景、图片内容、天气状况等上下文信息做出预测，经过实验能够获得有效的预测效果。

【技术实现步骤摘要】

本专利技术涉及移动互联网技术，具体涉及。
技术介绍
在移动互联网时代，图片成为了人们日常生活的一部分，用户不再习惯于通过文字表达情感，而更倾向于把周围所发生的事以图片的形式展示出来。图片逐步取代文字，更多的内容创作将会向图片倾斜，图片更能符合移动互联网时代的时间碎片化、行为移动化以及体验极致等时代特性。社交网上的图片与用户的上下文信息密切相关，用户的上下文信息在移动互联网应用中扮演着重要角色。目前用户上下文信息多数是静态感知的，通过移动终端的硬件设备来获取，而通过图片数据来获取的方法还是很少，本专利技术就提供了一种通过图片数据预测用户上下文信息的方法。用户上下文信息预测就是通过分析用户上传到移动互联网上的图片来预测用户的性别、爱好、职业、活动场景以及天气状等上下文信息。本专利技术对用户上下文信息的研究主要集中在用户上传到移动互联网的社交图片上。采取的分类方法主要是KNN(k-NearestNeighbor)算法和 SVM(Support Vector Machine)算法。
技术实现思路
本专利技术的目的是提供。使用本专利技术提供的实施例，可以通过分析用户上传到移动互联网上本文档来自技高网...

【技术保护点】
一种基于移动互联网社交图片预测用户上下文信息的方法，其特征在于：首先在用户所使用社交工具上，获取用户一段时间内上传到移动互联网上的图片数据；对发图用户的上下文信息进行标记；计算并提取图片的数字特征，得到特征向量(用户ID，图像ID，特征值1，特征值2，…，特征值n)，将所有图片数据的特征向量(用户ID，图像ID，特征值1，特征值2，…，特征值n)转化为图片特征值矩阵；通过图片ID、用户ID关联图片特征向量和发图用户的上下文信息，将用户的上下文信息作为类标；将数据随机的分为训练集和测试集，使用SVM、kNN等算法对训练集中发图用户的上下文信息训练预测模型，并对测试集中用户的上下文信息进行预测，最...

【技术特征摘要】

【专利技术属性】
技术研发人员：秦臻，任怀贵，余林芳，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51