发明名称 |
一种基于移动互联网社交图片预测用户上下文信息的方法 |
摘要 |
本发明通过分析用户上传到移动互联网上的图片数据,预测图片的内容、用户的性别、天气状况以及活动场景等用户上下文信息。获取用户上传到移动互联网上的图片数据,对图片进行统计分析,并计算相应数字特征。将一张图片的所有数字特征作为图片特征向量,通过图片ID和用户ID将用户的上下文信息和图片特征向量关联起来,分析图片数据与用户上下文信息之间的关系,从而达到依据图片数据预测用户的上下文信息的目的。采用SVM和KNN模型实现对用户的上下文信息的分类预测。本发明将用户的性别、活动场景等作为二分类问题处理,天气状况、图片内容等作为多分类问题处理。本发明实施例的有益效果是,通过分析用用户上传到移动互联网上的图片数据可以对用户的性别、活动场景、图片内容、天气状况等上下文信息做出预测,经过实验能够获得有效的预测效果。 |
申请公布号 |
CN105279266A |
申请公布日期 |
2016.01.27 |
申请号 |
CN201510701199.5 |
申请日期 |
2015.10.26 |
申请人 |
电子科技大学 |
发明人 |
秦臻;任怀贵;余林芳 |
分类号 |
G06F17/30(2006.01)I;G06K9/62(2006.01)I;G06Q50/00(2012.01)I |
主分类号 |
G06F17/30(2006.01)I |
代理机构 |
|
代理人 |
|
主权项 |
一种基于移动互联网社交图片预测用户上下文信息的方法,其特征在于:首先在用户所使用社交工具上,获取用户一段时间内上传到移动互联网上的图片数据;对发图用户的上下文信息进行标记;计算并提取图片的数字特征,得到特征向量(用户ID,图像ID,特征值1,特征值2,…,特征值n),将所有图片数据的特征向量(用户ID,图像ID,特征值1,特征值2,…,特征值n)转化为图片特征值矩阵;通过图片ID、用户ID关联图片特征向量和发图用户的上下文信息,将用户的上下文信息作为类标;将数据随机的分为训练集和测试集,使用SVM、kNN等算法对训练集中发图用户的上下文信息训练预测模型,并对测试集中用户的上下文信息进行预测,最后输预测结果。 |
地址 |
611731 四川省成都市高新区(西区)西源大道2006号 |