面向用户意图的社会化图像检索
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 主要符号对照表 | 第10-11页 |
| 第1章 引言 | 第11-17页 |
| 1.1 研究背景 | 第11-13页 |
| 1.2 研究问题及难点 | 第13-14页 |
| 1.3 本文的主要贡献点 | 第14-17页 |
| 第2章 研究现状 | 第17-24页 |
| 2.1 基于相关反馈的图像检索 | 第17-18页 |
| 2.2 基于社交信息的图像应用 | 第18-19页 |
| 2.2.1 多标签的图像标注 | 第18-19页 |
| 2.2.2 基于社交信息的用户画像 | 第19页 |
| 2.3 基于深度模型的图像表征学习方法 | 第19-21页 |
| 2.3.1 基于深度模型的图像分类 | 第19-20页 |
| 2.3.2 基于深度模型的多标签图像标注 | 第20页 |
| 2.3.3 基于深度模型的多任务深度学习 | 第20-21页 |
| 2.4 基于额外语义信息的图像理解 | 第21页 |
| 2.5 基于语义信息的图像度量学习 | 第21-22页 |
| 2.6 本章小结 | 第22-24页 |
| 第3章 社交信息嵌入的图像视觉表征学习 | 第24-41页 |
| 3.1 本章引言 | 第24-27页 |
| 3.2 相关工作 | 第27-28页 |
| 3.2.1 基于深度模型的多任务深度学习方法 | 第27-28页 |
| 3.3 社交信息嵌入的图像表征学习框架 | 第28-30页 |
| 3.3.1 框架综述 | 第28-29页 |
| 3.3.2 社交图像的兴趣标签 | 第29-30页 |
| 3.4 非对称多任务卷积神经网络 | 第30-35页 |
| 3.4.1 网络结构 | 第31-33页 |
| 3.4.2 模型训练 | 第33-34页 |
| 3.4.3 算法介绍 | 第34-35页 |
| 3.5 性能评测 | 第35-40页 |
| 3.5.1 用户兴趣预测 | 第36-37页 |
| 3.5.2 图像推荐性能 | 第37-38页 |
| 3.5.3 图像检索性能 | 第38-39页 |
| 3.5.4 结果观察 | 第39-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第4章 知识图谱关系嵌入的图像表征学习 | 第41-59页 |
| 4.1 本章引言 | 第41-43页 |
| 4.2 相关工作 | 第43-44页 |
| 4.3 初步探究 | 第44-46页 |
| 4.3.1 数据统计及观察 | 第45-46页 |
| 4.3.2 问题定义 | 第46页 |
| 4.4 关系约束的回归卷积神经网络 | 第46-51页 |
| 4.4.1 多标签图像表征学习 | 第46-48页 |
| 4.4.2 知识图谱嵌入 | 第48页 |
| 4.4.3 问题的联合优化求解 | 第48-49页 |
| 4.4.4 算法复杂度 | 第49-50页 |
| 4.4.5 应用问题 | 第50-51页 |
| 4.5 性能评测 | 第51-57页 |
| 4.5.1 实验设置 | 第51-52页 |
| 4.5.2 标签预测问题中的性能评测 | 第52-53页 |
| 4.5.3 新标签推理问题的性能评测 | 第53-54页 |
| 4.5.4 基于内容的图像检索性能评测 | 第54-55页 |
| 4.5.5 结果的进一步观察 | 第55-57页 |
| 4.6 本章小结 | 第57-59页 |
| 第5章 社交信息嵌入的图像度量学习 | 第59-77页 |
| 5.1 本章引言 | 第59-61页 |
| 5.2 相关工作 | 第61-62页 |
| 5.3 社交相似度 | 第62-64页 |
| 5.3.1 符号化表示与问题定义 | 第62-63页 |
| 5.3.2 社交实体的可靠性 | 第63-64页 |
| 5.3.3 社交相似度的评估 | 第64页 |
| 5.4 社交信息嵌入的度量学习方法 | 第64-69页 |
| 5.4.1 马氏距离 | 第64-65页 |
| 5.4.2 社交相似度约束的度量学习方法 | 第65-66页 |
| 5.4.3 算法与复杂度 | 第66-67页 |
| 5.4.4 应用场景 | 第67-69页 |
| 5.5 性能评测 | 第69-75页 |
| 5.5.1 实验设定 | 第69-71页 |
| 5.5.2 社交相似度预测 | 第71-73页 |
| 5.5.3 基于内容的图像推荐与图像重排序 | 第73-75页 |
| 5.5.4 结果展示与分析 | 第75页 |
| 5.6 本章小结 | 第75-77页 |
| 第6章 社交行为与视觉信息融合的个性化图像重排序 | 第77-92页 |
| 6.1 本章引言 | 第77-80页 |
| 6.2 相关工作 | 第80页 |
| 6.3 视觉与社交信息融合的图像重排序方法 | 第80-85页 |
| 6.3.1 方法框架 | 第80-81页 |
| 6.3.2 图像的社交相似度图 | 第81-85页 |
| 6.3.3 图像视觉相似度图 | 第85页 |
| 6.3.4 基于混合图的PageRank算法 | 第85页 |
| 6.4 性能评价 | 第85-91页 |
| 6.4.1 数据集和实验设定 | 第85-86页 |
| 6.4.2 评价指标 | 第86-89页 |
| 6.4.3 参数设定 | 第89页 |
| 6.4.4 搜索效果评测 | 第89-91页 |
| 6.5 本章小结 | 第91-92页 |
| 第7章 总结与未来展望 | 第92-95页 |
| 7.1 工作总结 | 第92-93页 |
| 7.2 未来展望 | 第93-95页 |
| 参考文献 | 第95-100页 |
| 致谢 | 第100-102页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第102页 |
