基于社交图片的用户兴趣挖掘和用户推荐方法及系统技术方案

本发明专利技术提供一种基于社交图片的用户兴趣挖掘和用户推荐方法及系统，该方法包括：从社交网站上获取用户的所有图片和图片标签；对每张从社交图片收集步骤收集的图片，用深度神经网络提取固定长度的视觉向量；对每张图片的标签用话题模型提取固定长度的文本向量；根据特征提取步骤提取的所有视觉向量和文本向量，采用用户兴趣分析模型，将视觉向量和文本向量按照相似度进行聚类，计算社交图片的兴趣‑类别分布，并计算用户的用户‑兴趣分布。进一步通过分析目标用户的用户‑兴趣分布与候选用户的用户‑兴趣分布的欧式距离，可以向目标用户推荐兴趣相似的候选用户。本发明专利技术提取出可靠的用户兴趣特征，实现用户的兴趣推荐。

【技术实现步骤摘要】
基于社交图片的用户兴趣挖掘和用户推荐方法及系统
本专利技术涉及计算机视觉与数据挖掘领域，具体地，涉及一种基于社交图片的用户兴趣挖掘和用户推荐方法及系统。
技术介绍
随着Web2.0发展，社交媒体给人类的生活方式带来了巨大的变化。人们越来越喜欢在网络平台上花更多的时间，进行一系列活动，比如浏览网站，写下评论、感受，分享图片、视频。这些活动记录了人们在网络环境中的点点滴滴，也折射了他们的内在思想和偏好。通过对社交媒体中用户的数据进行分析，推断用户的思想偏好，服务商能够提供更友好的网站服务，探索潜在的商机。现有的基于社交媒体的用户兴趣分析和用户推荐主要包括：对用户兴趣进行建模和基于用户兴趣的分析进行推荐。其中建立用户兴趣分析模型是兴趣相似用户推荐的基础。现有技术中，Abel等人通过对Twitter用户的文本进行分析来推断用户对哪种新闻感兴趣，进而进行新闻推荐。Xie等人通过对Flickr用户的图片内容运用分层贝叶斯网络从视觉角度来学习用户的兴趣。Joshi等人将Flickr用户的图片内容和标签先分别提取特征然后组合成一个特征向量，再对用户的兴趣进行分析。如公开号为CN102402594A、本文档来自技高网...

【技术保护点】
一种基于社交图片的用户兴趣挖掘方法，其特征在于，包括如下步骤：社交图片收集步骤：从社交网站上获取用户的图片和图片标签；特征提取步骤：对每张从社交图片收集步骤收集的图片，用深度神经网络提取固定长度的视觉向量；对每张图片的标签用话题模型提取固定长度的文本向量；兴趣分析步骤：根据特征提取步骤提取的所有视觉向量和文本向量，采用用户兴趣分析模型，将视觉向量和文本向量按照相似度进行聚类，计算社交图片的兴趣‑类别分布，并计算用户的用户‑兴趣分布。

【技术特征摘要】
1.一种基于社交图片的用户兴趣挖掘方法，其特征在于，包括如下步骤：社交图片收集步骤：从社交网站上获取用户的图片和图片标签；特征提取步骤：对每张从社交图片收集步骤收集的图片，用深度神经网络提取固定长度的视觉向量；对每张图片的标签用话题模型提取固定长度的文本向量；兴趣分析步骤：根据特征提取步骤提取的所有视觉向量和文本向量，采用用户兴趣分析模型，将视觉向量和文本向量按照相似度进行聚类，计算社交图片的兴趣-类别分布，并计算用户的用户-兴趣分布。2.根据权利要求1所述的基于社交图片的用户兴趣挖掘方法，其特征在于，所述社交图片收集步骤，是运用网络爬虫技术从社交网站上爬取用户的图片和对应的文本标签。3.根据权利要求1所述的基于社交图片的用户兴趣挖掘方法，其特征在于，所述特征提取步骤，是用深度神经网络在有标签的开源图片数据集上预训练，然后用该神经网络来提取社交图片的视觉向量特征，用话题模型LDA对所有图片的标签提取一个文本向量特征，用神经网络的倒数第二层的输出作为图片的视觉特征向量，该向量有Dv维，而对话题模型LDA的话题数目设定为Dw个，即提取的每个文本向量特征有Dw维。4.根据权利要求1-3任一项所述的基于社交图片的用户兴趣挖掘方法，其特征在于，所述的将视觉向量和文本向量按照相似度进行聚类，是通过兴趣分析模型自动将M个用户的所有社交图片的视觉向量特征和文本向量特征进行聚类，对于每张社交图片视觉向量特征和文本向量特征的类别分布，分别用高斯分布模拟，并计算所有高斯分布的参数。5.根据权利要求1-3任一项所述的基于社交图片的用户兴趣挖掘方法，其特征在于，所述的兴趣-类别分析，是通过兴趣分析模型自动分析视觉向量和文本向量的特征聚类来计算社交图片的兴趣-类别分布。6.根据权利要求1-3任一项所述的基于社交图片的用户兴趣挖掘方法，其特征在于，所述的用户-兴趣分析，是通过兴趣分析模型自动分析每个用户的每张社交图片的兴趣-类别分布来计算用户的用户-兴趣分布。7.一...

【专利技术属性】
技术研发人员：王延峰，张娅，姚江超，孙军，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：上海,31