社交網絡中的多媒體數(shù)據挖掘.pdf

1、種類繁多的社交網絡（Social Network Sites）成為近些年來熱度最高的網絡應用，而其中大量的多媒體信息引起了研究人員的興趣。針對社交網絡中多媒體數(shù)據的研究主要關注于兩點：
　　1.如何合理的對社交網絡中的多媒體數(shù)據進行有效的數(shù)據挖掘。多媒體數(shù)據蘊含了用戶大量的特性信息，通過對這些數(shù)據進行挖掘，可以對用戶的生活習慣、興趣愛好進行推測，并進行有針對性的信息推薦，從而增強社交網絡的用戶體驗。
　　2.如何對快速增長的

2、社交網絡多媒體數(shù)據進行有效管理。隨著用戶數(shù)量的增長，社交網絡中的多媒體數(shù)據呈指數(shù)級增長，急需一些行之有效的方法對海量的網絡數(shù)據進行管理，包括存儲和查詢等操作。
　　針對問題一，本文在社交網絡數(shù)據挖掘中加入了基于圖像內容信息的數(shù)據挖掘，并創(chuàng)新性的將圖像中的人物關系及文本標簽引入其中，實現(xiàn)更加具有判別力關系測算方式，深化了用戶歷史操作記錄的圖數(shù)據挖掘算法。在鏈路式信息推薦方向上，本文提出了加權深度優(yōu)先算法，有效的解決了好友推薦及信息推

3、薦問題；在聚類式信息推薦方向上，本文提出了多知識網絡協(xié)同學習算法，能夠準確的查找社交團體中的核心成員，進行聚類式信息推廣。
　　針對問題二，本文為了實現(xiàn)海量多媒體數(shù)據有效索引和快速檢索，在傳統(tǒng)的局部敏感哈希的基礎上，引入了海明編碼技術，實現(xiàn)了高維數(shù)據線性時間索引，降低了多媒體數(shù)據檢索的時間復雜度，并且針對當前流行的分布式系統(tǒng)做了針對性的優(yōu)化，利用局部敏感哈希的特性，建立多哈希桶分布部署，使得網絡用戶實時檢索多媒體數(shù)據成為現(xiàn)實。

4、r>　　由于網絡數(shù)據的多樣性，導致在對其進行數(shù)據挖掘時，要使用不同的方法，這樣就會構建意義不同的知識網絡。如何將這些網絡進行最有效的融合具有很大的挑戰(zhàn)。本文通過對用戶基本信息進行數(shù)據挖掘，形成了第一層無偏置加權用戶網絡；通過加權深度優(yōu)先算法構建了用戶交互網絡，并且對用戶之間的關系密度進行了加權，構成了第二個知識網絡；通過基于圖像內容信息數(shù)據挖掘，建立了用戶網絡，且對其中的二人連接、多人連接（可以存在環(huán)）的關系密度進行了加權，構成了第三個

5、知識網絡。通過基于圖的最大置信融合算法，在無監(jiān)督的條件下將以上三種學習方法得到的知識網絡進行了融合。實驗結果表明，這種融合方式是高效而可行的。
　　最后本文設計并實現(xiàn)了基于挖掘結果的社交網絡圖像中人臉自動標注系統(tǒng)，通過對圖像中的人臉進行檢測、識別，為圖像推薦一組高可信度的人物標簽；設計并實現(xiàn)了基于加權深度優(yōu)先的好友推薦及信息推薦系統(tǒng)，計算社交網絡中用戶的關系密度；設計并實現(xiàn)了基于多知識網絡協(xié)同學習的聚類式信息推廣系統(tǒng)，查找社交團體