基于深度学习的社交网络国民安全跨媒体搜索研究

发布时间：2020-11-21 09:30

　　 随着互联网和社交网络的快速发展,人们可以很方便地在社交网络中查看分享信息,表达自己的观点。社交网络用户数量庞大,促使社交网络信息可以在短时间内进行广泛的传播。社交网络数据的结构复杂、模态多样,并且包含了一些与国民安全相关的重要信息。如何在海量社交网络数据中对国民安全的相关信息进行查询与搜索具有重要的研究意义。本文的主要工作是利用深度学习方法对社交网络中的国民安全信息进行跨媒体搜索,论文完成的主要工作如下:(1)提出了一种基于BiLS的社交网络文本搜索算法,它由双向语言模型和长期短期记忆网络组合而成。BiLS算法使用所有双向语言模型每一层的输出,另外加上标准化的Softmax函数学习权重,这样能够在社交网络文本当中学习不同上下文的语义多义性。利用该算法完成了社交网络国民安全相关的文本信息搜索。(2)提出了一种基于深度学习的图像语义学习算法CLRDRN。利用数据增强等技术对深度残差网络进行了改进,将动态学习率应用于深度残差网络算法,在此基础上实现了国民安全图像的搜索。增强了模型的拟合能力和泛化能力,进一步提升了该算法对社交网络图像搜索的准确率。(3)提出了一种基于注意力模型的社交网络跨媒体搜索算法ALSCAN,将不同模态的特征映射到公共空间中以消除语义鸿沟。通过提取文本语义特征和图像语义特征,将多模态数据的语义特征映射到公共空间下进行语义匹配,实现了社交网络跨媒体语义搜索。(4)设计并实现了基于深度学习的社交网络国民安全跨媒体搜索系统,并对系统的性能进行了测试。测试结果表明,该系统可以有效地实现对社交网络中国民安全相关信息的搜索。本文实现了基于深度学习的社交网络国民安全信息的特征提取,提出了分别针对文本和图像的语义学习算法,研究了基于注意力机制的社交网络信息跨媒体映射搜索算法,开发了基于深度学习的社交网络国民安全跨媒体搜索系统,并对系统的有效性进行了测试。
【学位单位】：北京邮电大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TP181;TP309
【部分图文】：

的困惑度而是能够获得一组词嵌入，这两种模型依然是基于语言的模型。为了提??高训练效率，这两种模型都通过简化模型结构大幅降低复杂度，并提出两种高效??的训练方法——负采样和层次化ＳｏｆｔＭａｘ来加速训练。图２－１是Ｗｏｒｄ２Ｖｅｃ两种??模型ＣＢＯＷ和Ｓｋｉｐ－ｇｒａｍ模型结构。??７??

特征是许多祌经元共享相同的滤波器。这减少了内存占用，因为在共享该过滤器??的所有感受野中使用单个偏差和单个权重向量，而不是每个感受野具有其自身的??偏差和权重向量。图２－２是卷积神经网络结构图［５６］。??雄入園曲?Ｆｅａｔｕｒｅ?Ｍａｐ?Ｆｅａｔｕｒｅ?Ｍａｐ?Ｆｅａｔｕｒｅ?Ｍａｐ?Ｆｅａｔｕｒｅ?Ｍａｐ?１６出居???ｒ＇１?■?Ｖｉｌ?——ｎ?．＾—１１?一?ｃｒ。??□ｎ：：】?鬥〇§??—???－」?ＪＯ????卫一。??Ｖ?????；?ｔ．?Ｊ?ｔ?ｔ?＼???１?、??Ｊ??ｒ?＞?Ｙ?Ｙ?ｙ??Ｓ积居?热化居?卷税居?池化居?全连接居??图２－２卷积神经网络结构??卷积神经网络的输入可以是原始的图像，甚至是没有经过预处理的图像，所??以省去了很多复杂步骤，因此受到了广泛的应用。图２－３为卷积神经网络??ＡｌｅｘＮｅ＾的架构示意图，该神经网络在图像分类问题上取得了非常显著的进步，??因为其创新的应用了?ＲｅＬＵ作为卷积神经网络的激活函数１￥，而不是传统的??Ｓｉｇｍｏｉｄ激活函数，这使得其效果在较深的神经网络当中更加优异，而且解决了??Ｓｉｇｍｏｉｄ激活函数存在的当网络层数较深时的梯度弥散等问题。??２．３循环神经网络??循环神经网络＿（ＲＮＮ）其特点是具有短期记忆能力。在循环祌经网络当中，??祌经元不但可以接受其它神经元的信息，也可以接受自身的信息，形成具有环路??的网络结构。循环神经网络相比于前馈神经网络更加符合生物神经网络

刁A1七器
【相似文献】

相关期刊论文 前10条

1 王超琼;陈玥;;原生广告在利基社交网络中的传播策略探析[J];现代营销(信息版);2019年08期

2 张艳菊;杨明;;社交网络时代下的企业营销模式浅析[J];现代经济信息;2019年13期

3 陈健;周丽华;;大学生社交网络自我表露的实证研究[J];高校辅导员学刊;2018年06期

4 谭洪旭;袁帅;代连奇;任利峰;;浅谈社交网络对当代大学生的影响[J];产业与科技论坛;2018年24期

5 孙夏卿;;社交网络媒体对大学生赋权的价值体现[J];传播力研究;2018年31期

6 张晓飞;;以社交网络为基础的企业营销策略[J];商场现代化;2018年22期

7 孙国强;窦倩倩;张宝建;;西方社交网络研究进展与未来展望[J];情报科学;2019年02期

8 陈文泰;李卫东;;国际社交网络中“国家实在”传播与国家形象演化机制研究[J];新闻大学;2018年06期

9 孙晋;沈红;;社交网络群体性迷失现象分析[J];电脑知识与技术;2019年12期

10 邓华闯;项祎麟;周楠;周子清;;社交网络招聘有效性影响因素研究[J];中小企业管理与科技(上旬刊);2019年04期

相关博士学位论文 前10条

1 刘晓君;基于在线社交网络的口碑信息传播模型研究[D];大连理工大学;2018年

2 杜雨露;活动社交网络中上下文感知的群组推荐方法研究[D];北京邮电大学;2019年

3 寇菲菲;基于语义学习与时空特性的在线社交网络跨媒体搜索研究[D];北京邮电大学;2019年

4 李晓;在线社交网络中的影响力分析及应用研究[D];北京邮电大学;2019年

5 朱添田;基于数据驱动的移动互联网异常用户行为检测方法及其应用研究[D];浙江大学;2019年

6 林鑫泓;社交网络数据的匿名化隐私保护技术研究[D];厦门大学;2017年

7 王健;突发公共事件背景下在线社交网络信息扩散及治理研究[D];南京师范大学;2018年

8 唐兴;线上社交网络中用户个体行为挖掘方法研究[D];西安电子科技大学;2016年

9 陈伟;社交网络与时空数据连接的关键技术及应用研究[D];苏州大学;2018年

10 侯瑞琪;社交网络情形下线上零售商的服务投资优化研究[D];中国科学技术大学;2018年

相关硕士学位论文 前10条

1 周玉江;谣言在社交网络上的传播与控制策略研究[D];深圳大学;2018年

2 郑赫慈;网络空间中人格分析的研究与实现[D];北京邮电大学;2019年

3 毛雨;基于社交网络的用户人格分析研究与实现[D];北京邮电大学;2019年

4 石岩松;基于深度学习的社交网络跨媒体大数据搜索研究[D];北京邮电大学;2019年

5 翁羽轩;学术社交网络多媒体数据加密方案的设计与实现[D];北京邮电大学;2019年

6 薛航;基于内容和社交网络的文本推荐系统的研究与实现[D];北京邮电大学;2019年

7 汪溯;基于社交网络情感分析的股价实时预测系统的设计与实现[D];北京邮电大学;2019年

8 孙陈娜;在线社交网络中社交广告投放算法研究[D];北京邮电大学;2019年

9 李智;面向社交网络的热点商品导购算法研究[D];北京邮电大学;2019年

10 张克迪;基于文本分析的企业社交网络员工互动方式探索[D];北京邮电大学;2019年

本文编号：2892815