基于低秩约束和多视角特征融合的微视频流行度预测方法技术

本发明专利技术公开了一种基于低秩约束和多视角特征融合的微视频流行度预测方法，所述方法包括：对4种视角模态特征分别进行低秩近似处理，得到去除噪声的4种低秩特征信息；通过多视角信息典型相关分析对4种低秩特征信息进行特征融合；利用融合后的特征信息，建立表示各微视频之间的图关系的拉普拉斯矩阵；基于拉普拉斯矩阵，利用半监督的方法对微视频的流行度进行预测。本发明专利技术避免了单一视角的特征对于流行度预测的局限性，采用低秩约束处理各视角的特征，使得建立的特征之间的拉普拉斯矩阵有更高的稳定性。

【技术实现步骤摘要】
基于低秩约束和多视角特征融合的微视频流行度预测方法
本专利技术涉及微视频流行度预测领域，尤其涉及一种基于低秩约束和多视角特征融合的微视频流行度预测方法。
技术介绍
随着网络技术与社交平台的普及，微视频已经作为一种新的用户内容，受到了越来越多的关注。微视频是指短则30秒，长则不超过20分钟的视频短片。微视频的出现，不仅符合现代社会快节奏生活方式下的网络观看习惯和移动终端特色，也可满足娱乐爆炸、注意力稀缺时代消费者的自主参与感和注意力回报率的需求，可以预见，“微视频”带给大众的将是随时随地随意的视频享受。而微视频流行度的预测在广告推送，视频推荐以及预留带宽方面均具有指导作用，因此，对于微视频流行度的预测具有重要的意义。在现实生活中，每一个对象均可以用多种不同的视角特征进行表示，例如：微视频的表示可以存在声学特征，视觉特征，社会属性特征以及文本特征等多种形式，不同视角的特征可以为微视频流行度的预测起到不同的作用，因此特征融合以及特征选择也是目前比较流行的处理多视角特征的方法[1]。专利技术人在实现本专利技术的过程中，发现现有技术中至少存在以下缺点和不足：在实际的应用中，由于外部环境的变化以本文档来自技高网...

【技术保护点】
一种基于低秩约束和多视角特征融合的微视频流行度预测方法，其特征在于，所述方法包括：对4种视角模态特征分别进行低秩近似处理，得到去除噪声的4种低秩特征信息；通过多视角信息典型相关分析对4种低秩特征信息进行特征融合；利用融合后的特征信息，建立表示各微视频之间的图关系的拉普拉斯矩阵；基于拉普拉斯矩阵，利用半监督的方法对微视频的流行度进行预测。

【技术特征摘要】
1.一种基于低秩约束和多视角特征融合的微视频流行度预测方法，其特征在于，所述方法包括：对4种视角模态特征分别进行低秩近似处理，得到去除噪声的4种低秩特征信息；通过多视角信息典型相关分析对4种低秩特征信息进行特征融合；利用融合后的特征信息，建立表示各微视频之间的图关系的拉普拉斯矩阵；基于拉普拉斯矩阵，利用半监督的方法对微视频的流行度进行预测。2.根据权利要求1所述的一种基于低秩约束和多视角特征融合的微视频流行度预测方法，其特征在于，所述方法还包括：对给定的微视频提取4种视角模态特征。3.根据权利要求1或2所述的一种基于低秩约束和多视角特征融合的微视频流行度预测方法，其特征在于，所述4种视角模态特征具体为：视觉特征、声学特...

【专利技术属性】
技术研发人员：苏育挺，白须，井佩光，张静，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津,12