一种用于个性化社会图像推荐的视觉注意-标签-用户兴趣树的构建方法

摘要

一种用于个性化社会图像推荐的视觉注意-标签-用户兴趣树的构建方法属于社会图像领域。本发明以标签为纽带将视觉注意与用户兴趣结合起来，利用视觉注意机制分析图像的视觉显著性，构建具有树结构的视觉注意模型，据此获得显著区，分析图像显著信息与标签语义的对应关系，生成显著标签和节点标签，构建标签树模型，进而结合用户历史信息将标签树向用户兴趣树传播，最后由用户兴趣树向用户推荐图像，根据用户对推荐结果的反馈，重新调整树模型，进一步优化个性化社会图像推荐。其中，生成视觉注意树模型细分为四个部分：图像区域分割，显著性度量，树结构的区域合并，生成显著图。本发明提高个性化图像推荐的准确率。

主权项

一种用于个性化社会图像推荐的视觉注意‑标签‑用户兴趣树的构建方法，其特征分为三大步骤：视觉注意树模型的生成；视觉注意‑标签‑用户兴趣树模型的生成；基于用户兴趣树的个性化社会图像推荐；1.1视觉注意树模型的生成用基于数学形态学的分水岭算法分割图像，以图像的低层视觉特征为基础，能够获得一幅具有闭合曲线的区域分割结果图；然后，基于图像分割结果，采用区域间的全局对比、空间位置和显著可能性三个度量值估计各区域的显著性特征，结合三个值生成图像区域的显著度；根据显著度及合并准则，将图像区域与近邻区域合并，依次合并的过程生成图像的视觉注意树模型，据此，衡量各合并区域显著度获得图像的显著图；1.2视觉注意‑标签‑用户兴趣树模型的生成在获得图像显著图的基础上，将视觉注意树传播到标签树、将标签树传播到用户兴趣树，通过用户浏览图像分析其感兴趣的标签信息；视觉注意树到标签树的传播包括显著标签的生成和节点标签的生成两个阶段，显著标签表示图像显著区对应的标签，节点标签表示除显著标签外的其它标签；标签树表示各标签与图像的相关程度；标签树到用户兴趣树的传播，通过用户的浏览历史结合标签树各节点的位置计算用户对各标签的兴趣度，包括定义标签树层次因子和计算用户兴趣度两个阶段；1.3基于用户兴趣树的个性化社会图像推荐根据用户兴趣树模型，确定用户感兴趣的标签，在数据库集中搜索该标签与图像相关度高的图像，将这些图像作为个性化社会图像推荐结果推荐给用户，完成一次个性化社会图像推荐。