用户头像信息在微博检索中的应用研究

发布时间：2021-04-13 04:00

　　随着互联网的快速发展,以为新浪微博、推特、脸书等为代表的社交媒体迅速崛起,成为人们自我表达和人际交往的重要平台,并逐渐取代传统信息媒介,成为人们获取新闻资讯最重要的信息源之一。在一个社交网络中,人们不仅是信息的消费者,更是信息的制造者和传播者,这使得数据传播迅猛,数据量空前巨大。社交媒体的大流量和短文本特性（如长度限制、特殊字符使用、表达口语化等）,向高质量的微博检索发起了挑战。在社交媒体中存在大量图片,蕴含着十分丰富的信息有待挖掘。在众多的图片信息中,用户头像最能直观、概括的代表一个用户,是用户个性和偏好的集中体现。用户可以根据自己的喜好设置风格各异的图片作为个人头像,不同用户之间的头像也大都不同,某类型的用户头像往往与特定类型的话题相关,例如女人与美妆、男人与运动等。如何利用社交媒体中丰富的图片信息,帮助用户快速有效地检索相关话题成为人们关注的焦点。遗憾的是,虽然信息检索模型（如向量空间模型、概率模型、语言模型等）相关的研究已经非常成熟,但这些方法及其优化大都是基于文本的,即对微博本身和其他文本进行分类、聚类、检索等操作,忽略了用户头像与话题之间的联系。本文提出了一种基于用户头像分... 

【文章来源】：北京工业大学北京市 211工程院校

【文章页数】：67 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
    1.3 本文研究内容
    1.4 论文组织结构
第2章 相关研究综述
    2.1 信息检索
        2.1.1 布尔模型
        2.1.2 向量空间模型
        2.1.3 概率模型
        2.1.4 语言模型
    2.2 查询扩展
        2.2.1 相关反馈法
        2.2.2 全局分析法
        2.2.3 局部分析法
    2.3 图像分类
        2.3.1 特征提取与特征选择
        2.3.2 分类算法
        2.3.3 多分类方法
    2.4 本章小结
第3章 推特用户头像多分类方法研究
    3.1 图片的特点
    3.2 图片特征提取
        3.2.1 GIST特征
        3.2.2 SIFT特征
        3.2.3 LBP特征
        3.2.4 HOG特征
        3.2.5 90D特征
    3.3 图片分类方法研究
        3.3.1 推特用户头像类别划分
        3.3.2 实验结果与分析
    3.4 本章小结
第4章 结合用户头像与文本信息的微博检索方法研究
    4.1 任务分析
    4.2 检索系统框架
        4.2.1 预处理
        4.2.2 查询扩展
        4.2.3 微博文本检索
        4.2.4 检索结果重排
    4.3 模型构建
        4.3.1 范数与lasso
        4.3.2 基于用户头像的建模
        4.3.3 模型参数求解
        4.3.4 模型等效处理
    4.4 本章小结
第5章 实验设计与结果分析
    5.1 实验目的
    5.2 实验数据集
    5.3 评价指标
    5.4 实验设计与结果分析
    5.5 本章小结
结论
攻读硕士学位期间发表的学术论文
参考文献
致谢



本文编号：3134575