一种基于深度学习算法的社交平台多模态用户识别方法技术

本发明专利技术涉及用户识别技术领域，公开了一种基于深度学习算法的社交平台多模态用户识别方法，首先对社交平台中的数据进行采集，包括用户信息、帖子信息；对用户信息、帖子信息中的图像文字进行检测识别，对图像中的文本进行识别检测，将图像中的文本信息提取出来；进行文本分类，将原始文本信息以及从图像中提取的文本信息进行分类，确定相应文本类别；进行用户类别判断，根据文本分析结果对用户进行分类。本发明专利技术有效提高了用户识别的准确率。本方法通过分析社交平台中用户相关的文本以及图像数据，对用户进行识别分类，相比较于先前只对文本数据进行分析，增加了数据的多样性，同时也能够对较少在社交平台发布文字信息的用户进行准确识别。

【技术实现步骤摘要】

本专利技术涉及用户识别，具体为一种基于深度学习算法的社交平台多模态用户识别方法。

技术介绍

1、随着互联网的普及和社交媒体的崛起，人们在网络上的行为产生了海量数据，这些数据蕴含了用户的兴趣、偏好、社交关系等信息，因此对社交平台用户行为进行挖掘和分析，成为了各种应用场景下的重要需求。同时，随着计算机技术的发展，机器学习、深度学习技术层出不穷，特别是在自然语言处理(nlp)领域，预训练语言模型的出现，更是加快了人们对社交平台用户分析的步伐。对社交网络中用户数据进行分析可用于以下场景：(1)商品推荐，为用户精准推荐感兴趣的商品；(2)用户画像，了解用户的兴趣爱好、社交关系、价值观等；(3)舆情监控，识别社交平台上特定用户群体，分析他们的言论和情绪，监测舆情发展趋势；(4)广告投放，根据用户所属的类别，精准投放广告。

2、在现有的社交平台用户识别方法仍然存在许多不足，首先，用户识别准确性不高，在现有技术中大多只是对用户的文本数据进行分析，缺乏对图像等多模态信息的融合，从而导致对用户识别的准确率不高；其次，缺乏可解释性，现有技术通常使用机器学习或深度学习本文档来自技高网...

【技术保护点】

1.一种基于深度学习算法的社交平台多模态用户识别方法，其特征在于：具体按以下步骤执行：

2.根据权利要求1所述的一种基于深度学习算法的社交平台多模态用户识别方法，其特征在于，对社交平台的数据进行采集具体包括Scrapy、Beautiful Soup或Twitter API、Facebook Graph API的方式进行数据采集获取。

3.根据权利要求1所述的一种基于深度学习算法的社交平台多模态用户识别方法，其特征在于，在步骤S2中，将图像中的文本信息提取具体通过光学字符识别OCR模型实现对图像中文本信息的提取，具体按以下步骤执行：

4.根据权利要求1所...

【技术特征摘要】

1.一种基于深度学习算法的社交平台多模态用户识别方法，其特征在于：具体按以下步骤执行：

2.根据权利要求1所述的一种基于深度学习算法的社交平台多模态用户识别方法，其特征在于，对社交平台的数据进行采集具体包括scrapy、beautiful soup或twitter api、facebook graph api的方式进行数据采集获取。

3.根据权利要求1所述的一种基于深度学习算法的社交平台多模态用户识别方法，其特征在于，在步骤s2中，将图像中的文本信息提取具体通过光学字符识别ocr模型实现对图像中文本信息的提取，具体按以下步骤执行：

4.根据权利要求1所述的一种基于深度学习算法的社交平台多模态用户识别方法，其特征在于，在步骤s1中...

【专利技术属性】
技术研发人员：陈新兴，庞艺伟，邓杰，魏海潇，
申请(专利权)人：长安通信科技有限责任公司，
类型：发明
国别省市：