| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第1章 绪论 | 第9-14页 |
| ·课题背景 | 第9页 |
| ·研究意义 | 第9-11页 |
| ·研究动机和本文的主要工作 | 第11-12页 |
| ·本文的组织结构 | 第12-13页 |
| ·本章小节 | 第13-14页 |
| 第2章 国内外研究现状与发展趋势 | 第14-26页 |
| ·自动图像标注的研究现状与发展趋势 | 第14-18页 |
| ·基于图像上下文文本的自动图像标注 | 第14-15页 |
| ·基于图像视觉内容的自动图像标注 | 第15-17页 |
| ·结合图像上下文文本和视觉内容的自动图像标注 | 第17-18页 |
| ·标签推荐的研究现状与发展趋势 | 第18-24页 |
| ·基于用户—标签、用户—资源的协同过滤方法 | 第19-21页 |
| ·基于Page Rank图模型的标签推荐方法 | 第21-23页 |
| ·基于标签共生关系统计的标签推荐方法 | 第23-24页 |
| ·本章小结 | 第24-26页 |
| 第3章 基于社群隐含主题挖掘和多社群信息融合的自动图像标注 | 第26-39页 |
| ·自动图像标注框架 | 第26-27页 |
| ·基于LDA的社群隐含主题挖掘 | 第27-29页 |
| ·LDA模型 | 第27-28页 |
| ·Gibbs采样 | 第28-29页 |
| ·基于社群隐含主题标签优化的自动图像标注算法 | 第29-30页 |
| ·单个社群下基于相似图像标签传播的自动图像标注 | 第29页 |
| ·基于LDA隐含主题挖掘的全局标签优化 | 第29-30页 |
| ·基于LDA隐含主题挖掘的局部标签优化 | 第30页 |
| ·基于多社群信息融合的自动图像标注 | 第30-32页 |
| ·实验与分析 | 第32-37页 |
| ·数据集与评测指标 | 第32-33页 |
| ·基于社群隐含主题挖掘标签优化的实验 | 第33-34页 |
| ·基于多社群信息融合的实验 | 第34-37页 |
| ·算法分析 | 第37页 |
| ·本章小节 | 第37-39页 |
| 第4章 基于社群文本、图像和用户上下文的通用个性化标签推荐 | 第39-49页 |
| ·基于用户标注行为的标签推荐 | 第39页 |
| ·基于好友标注行为的标签推荐 | 第39-40页 |
| ·基于所有用户标签共生关系的标签推荐 | 第40-41页 |
| ·基于相似图像的标签推荐 | 第41页 |
| ·基于社群文本、图像和用户上下文的通用个性化标签推荐 | 第41-44页 |
| ·用户、图像、标签三元矩阵的建立 | 第42-43页 |
| ·基于随机游走图模型的通用个性化标签推荐 | 第43-44页 |
| ·实验 | 第44-48页 |
| ·数据集和评测指标 | 第44页 |
| ·实验结果 | 第44-48页 |
| ·算法分析 | 第48页 |
| ·本章小结 | 第48-49页 |
| 第5章 总结 | 第49-51页 |
| ·工作总结 | 第49-50页 |
| ·下一步工作和展望 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 攻读硕士学位期间主要的研究成果 | 第55-56页 |
| 致谢 | 第56-57页 |
| 作者简历 | 第57页 |
