社交網(wǎng)絡(luò)中的多媒體數(shù)據(jù)挖掘.pdf

1、種類(lèi)繁多的社交網(wǎng)絡(luò)（Social Network Sites）成為近些年來(lái)熱度最高的網(wǎng)絡(luò)應(yīng)用，而其中大量的多媒體信息引起了研究人員的興趣。針對(duì)社交網(wǎng)絡(luò)中多媒體數(shù)據(jù)的研究主要關(guān)注于兩點(diǎn)：
　　1.如何合理的對(duì)社交網(wǎng)絡(luò)中的多媒體數(shù)據(jù)進(jìn)行有效的數(shù)據(jù)挖掘。多媒體數(shù)據(jù)蘊(yùn)含了用戶(hù)大量的特性信息，通過(guò)對(duì)這些數(shù)據(jù)進(jìn)行挖掘，可以對(duì)用戶(hù)的生活習(xí)慣、興趣愛(ài)好進(jìn)行推測(cè)，并進(jìn)行有針對(duì)性的信息推薦，從而增強(qiáng)社交網(wǎng)絡(luò)的用戶(hù)體驗(yàn)。
　　2.如何對(duì)快速增長(zhǎng)的

2、社交網(wǎng)絡(luò)多媒體數(shù)據(jù)進(jìn)行有效管理。隨著用戶(hù)數(shù)量的增長(zhǎng)，社交網(wǎng)絡(luò)中的多媒體數(shù)據(jù)呈指數(shù)級(jí)增長(zhǎng)，急需一些行之有效的方法對(duì)海量的網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行管理，包括存儲(chǔ)和查詢(xún)等操作。
　　針對(duì)問(wèn)題一，本文在社交網(wǎng)絡(luò)數(shù)據(jù)挖掘中加入了基于圖像內(nèi)容信息的數(shù)據(jù)挖掘，并創(chuàng)新性的將圖像中的人物關(guān)系及文本標(biāo)簽引入其中，實(shí)現(xiàn)更加具有判別力關(guān)系測(cè)算方式，深化了用戶(hù)歷史操作記錄的圖數(shù)據(jù)挖掘算法。在鏈路式信息推薦方向上，本文提出了加權(quán)深度優(yōu)先算法，有效的解決了好友推薦及信息推

3、薦問(wèn)題；在聚類(lèi)式信息推薦方向上，本文提出了多知識(shí)網(wǎng)絡(luò)協(xié)同學(xué)習(xí)算法，能夠準(zhǔn)確的查找社交團(tuán)體中的核心成員，進(jìn)行聚類(lèi)式信息推廣。
　　針對(duì)問(wèn)題二，本文為了實(shí)現(xiàn)海量多媒體數(shù)據(jù)有效索引和快速檢索，在傳統(tǒng)的局部敏感哈希的基礎(chǔ)上，引入了海明編碼技術(shù)，實(shí)現(xiàn)了高維數(shù)據(jù)線性時(shí)間索引，降低了多媒體數(shù)據(jù)檢索的時(shí)間復(fù)雜度，并且針對(duì)當(dāng)前流行的分布式系統(tǒng)做了針對(duì)性的優(yōu)化，利用局部敏感哈希的特性，建立多哈希桶分布部署，使得網(wǎng)絡(luò)用戶(hù)實(shí)時(shí)檢索多媒體數(shù)據(jù)成為現(xiàn)實(shí)。

4、r>　　由于網(wǎng)絡(luò)數(shù)據(jù)的多樣性，導(dǎo)致在對(duì)其進(jìn)行數(shù)據(jù)挖掘時(shí)，要使用不同的方法，這樣就會(huì)構(gòu)建意義不同的知識(shí)網(wǎng)絡(luò)。如何將這些網(wǎng)絡(luò)進(jìn)行最有效的融合具有很大的挑戰(zhàn)。本文通過(guò)對(duì)用戶(hù)基本信息進(jìn)行數(shù)據(jù)挖掘，形成了第一層無(wú)偏置加權(quán)用戶(hù)網(wǎng)絡(luò)；通過(guò)加權(quán)深度優(yōu)先算法構(gòu)建了用戶(hù)交互網(wǎng)絡(luò)，并且對(duì)用戶(hù)之間的關(guān)系密度進(jìn)行了加權(quán)，構(gòu)成了第二個(gè)知識(shí)網(wǎng)絡(luò)；通過(guò)基于圖像內(nèi)容信息數(shù)據(jù)挖掘，建立了用戶(hù)網(wǎng)絡(luò)，且對(duì)其中的二人連接、多人連接（可以存在環(huán)）的關(guān)系密度進(jìn)行了加權(quán)，構(gòu)成了第三個(gè)

5、知識(shí)網(wǎng)絡(luò)。通過(guò)基于圖的最大置信融合算法，在無(wú)監(jiān)督的條件下將以上三種學(xué)習(xí)方法得到的知識(shí)網(wǎng)絡(luò)進(jìn)行了融合。實(shí)驗(yàn)結(jié)果表明，這種融合方式是高效而可行的。
　　最后本文設(shè)計(jì)并實(shí)現(xiàn)了基于挖掘結(jié)果的社交網(wǎng)絡(luò)圖像中人臉自動(dòng)標(biāo)注系統(tǒng)，通過(guò)對(duì)圖像中的人臉進(jìn)行檢測(cè)、識(shí)別，為圖像推薦一組高可信度的人物標(biāo)簽；設(shè)計(jì)并實(shí)現(xiàn)了基于加權(quán)深度優(yōu)先的好友推薦及信息推薦系統(tǒng)，計(jì)算社交網(wǎng)絡(luò)中用戶(hù)的關(guān)系密度；設(shè)計(jì)并實(shí)現(xiàn)了基于多知識(shí)網(wǎng)絡(luò)協(xié)同學(xué)習(xí)的聚類(lèi)式信息推廣系統(tǒng)，查找社交團(tuán)體