【摘要】：隨著社交媒體的迅猛發(fā)展,社交媒體數(shù)據(jù)日趨多樣化,其中包括視頻、圖像、文本、時(shí)間、地理信息等,從而使得利用多模態(tài)數(shù)據(jù)來預(yù)測(cè)社交媒體流行度成為現(xiàn)實(shí)。傳統(tǒng)的社交媒體流行度預(yù)測(cè)方法需要通過先驗(yàn)知識(shí)人工提取特征,難以將特征提取器與回歸器相結(jié)合,過程復(fù)雜且難以適應(yīng)如今的大數(shù)據(jù)特征處理。對(duì)于越來越多因素影響下的社交媒體流行度預(yù)測(cè)問題,傳統(tǒng)方法的泛化能力不足。在實(shí)際的實(shí)驗(yàn)中,發(fā)現(xiàn)不同模態(tài)的數(shù)據(jù)對(duì)社交媒體流行度預(yù)測(cè)的影響存在較大差異,而且不同模態(tài)數(shù)據(jù)相互組合而成的多模態(tài)數(shù)據(jù)對(duì)預(yù)測(cè)結(jié)果的影響并不是線性疊加的。大規(guī)模的多模態(tài)數(shù)據(jù)無(wú)法充分有效地用來預(yù)測(cè)社交媒體流行度。另外,社交媒體數(shù)據(jù)存在的嚴(yán)重的樣本不均衡問題也約束了流行度預(yù)測(cè)。本文以多模態(tài)數(shù)據(jù)特征為基礎(chǔ),主要研究和貢獻(xiàn)如下:(1)針對(duì)時(shí)間和地理等單尺度數(shù)據(jù),根據(jù)每一類數(shù)據(jù)的特點(diǎn),分別采用時(shí)間尺變換和地理信息轉(zhuǎn)換的方法將這些數(shù)據(jù)盡量多地轉(zhuǎn)化為多尺度特征。針對(duì)文本數(shù)據(jù),采用Doc2vec算法將其轉(zhuǎn)化為語(yǔ)義相關(guān)的向量。(2)為了獲得更多圖像模態(tài)特征,本文采用預(yù)訓(xùn)練的深度學(xué)習(xí)模型Inception_v4和Place2-365-CNN分別獲得圖片的類別特征和場(chǎng)景特征,并采用主色調(diào)提取算法獲得圖片的主色調(diào)特征。(3)為了探索和利用多模態(tài)數(shù)據(jù)聯(lián)合預(yù)測(cè)社交媒體流行度,本文提出使用深度卷積神經(jīng)網(wǎng)絡(luò)疊加全連接層來提取并融合多模態(tài)特征,最后用XGB oost來預(yù)測(cè)流行度。(4)分析本文獲得的多模態(tài)深度融合特征的有效成分,檢驗(yàn)本文提出的CNN-XGBoost算法的有效性,分析CNN結(jié)構(gòu)對(duì)預(yù)測(cè)結(jié)果的影響。實(shí)驗(yàn)表明,本文提出基于CNN的多模態(tài)深度融合特征的社交媒體流行度預(yù)測(cè)算法有效的提取并融合了多模態(tài)特征,其在SMHP數(shù)據(jù)集是獲得較好的性能,其中MSE達(dá)到0.9187,MAE達(dá)到0.5592,SPR達(dá)到0.9175。
【學(xué)位授予單位】：廣東工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP391.41;TP18
【圖文】：

２．２．４整流線性單元（ＲｅＬＵ）逡逑在深度學(xué)習(xí)的網(wǎng)絡(luò)模型的中，整流器被用來做激活函數(shù)，它可以被定義為：ｆ（ｘ）邋＝逡逑ｍａｘ邋（０，ｘ），其中ｘ是輸入。．在人工神經(jīng)元中，這也稱為斜坡功能．，如圖２－３所示。逡逑Ｈａｈｎｌｏｓｅｒ等人在動(dòng)力網(wǎng)絡(luò)中首次將他作為激活函數(shù)來使用。２０１１年首次證明，與２０１１逡逑年之前廣泛使甩的激活函數(shù)相比，ＲｅＬＵ的加入，更深層的神經(jīng)網(wǎng)絡(luò)得以被有效地訓(xùn)練逡逑［３６］。截至２０１９年＃整流器是深度神經(jīng)網(wǎng)絡(luò)最受歡迎的激活函數(shù)。采用整流器的單元也逡逑１０逡逑

能夠有效地Ｋ分不可線性分離的數(shù)據(jù)。扁平矩陣穿過完全連接的層以對(duì)輸入數(shù)據(jù)進(jìn)行逡逑分類。逡逑如圖２－５所示，全連接層一般包括輸出層、隱藏層和輸出層ｓ逡逑馨逡逑隱藏層邐輸出層逡逑圖２－５全連接屬逡逑Ｆｉｇ．邋２－５邋Ｆｕｌｌｙ邋ｌｉｎｅａｒ邋ｌａｙｅｒ逡逑２．２．７邋Ｄｒｏｐｏｕｔ逡逑Ｄｒ0ｐ0ｕｔ［ｗ］是最早由谷歌提出，同時(shí)￣種有效的芷規(guī)化技術(shù)。深度神經(jīng)網(wǎng)絡(luò)一度飽逡逑受過擬合的困擾，Ｄｒｏｐｏｕｔ的出現(xiàn)，很大程度地減輕了過擬合現(xiàn)象。．該技術(shù)實(shí)現(xiàn)對(duì)訓(xùn)練逡逑數(shù)據(jù)的復(fù)雜的協(xié)同適應(yīng)。在神經(jīng)網(wǎng)絡(luò)中，它能特別有效進(jìn)行模型的平均化。“Ｄｒｏｐｏｕｔ”逡逑顧名思義就是在神經(jīng)網(wǎng)}a中進(jìn)行隱藏和顯現(xiàn)yL經(jīng)元，通過這種丟棄神經(jīng)元的方法實(shí)現(xiàn)逡逑防止神經(jīng)元的過度學(xué)習(xí)。Ｓ在卷積層神經(jīng)網(wǎng)絡(luò)和全卷積層中使用Ｄｒｏｐｏｕｔ方法可以顯逡逑著增強(qiáng)網(wǎng)絡(luò)的健壯性。逡逑２．２．８隨機(jī)梯度下降優(yōu)化算法（ＳＧＤ）逡逑隨機(jī)梯度下降（ＳＧＤ）邋［４１］，通常也叫做增量梯度下降＾在訓(xùn)練過程中，ＳＧＤ隨機(jī)逡逑篩選樣本，從而形成隨機(jī)的梯度。它只能用來優(yōu)化可微分的目標(biāo)函數(shù)，通過隨機(jī)的逼近逡逑目標(biāo)函數(shù)的方式，一定程度上提高了模型的泛化能力。梯度下降優(yōu)化是一種隨機(jī)近似，逡逑因此

數(shù)據(jù)信息的深度特征提取出來，然后放到ＸＧＢｏｏｓｔ進(jìn)行預(yù)測(cè)。逡逑３．１整體流程逡逑基于ＣＮＮ的多模態(tài)深度融合特征的社交媒體流行度預(yù)測(cè)的整體流程如圖３－１所逡逑示。該方法劃分為３部分：數(shù)據(jù)預(yù)處理，深度學(xué)習(xí)模型提取多模態(tài)深度融合特征，流行逡逑度預(yù)測(cè)，實(shí)驗(yàn)結(jié)果分析。逡逑■ｐ邋｜�。剩荩郏边姡捱娨曈Xz1正逡逑Ｌ－邋ｉｓ■氣１１邐Ｐｒｅ－ｔｒａｉｎ邋ＣＮＮ逡逑邐邋Ｑ＜邋邐逡逑ｃｏｎｃａｔ邋邐＊邐—（？流行度值逡逑ＩＴ］邐￣［ｉＳ態(tài)深度sE４逡逑■邐１邐■邋Ｉ邋／逡逑灥＆射￣邐邐＾回歸逡逑時(shí)間尺度變換邋邐■邐／邐ｆ」逡逑－邐１Ｄ－ＣＮＮ邐ＭＬＰ邋Ｊ逡逑丨文本向量化—邐『邐屬性多模態(tài)深佊正逡逑１逡逑０＿逡逑圖３－１基于ＣＮＮ的多模態(tài)深度融合特征的社交媒體流行度預(yù)測(cè)算法的整體框架圖逡逑Ｆｉｇ．邋３－１邋Ｔｈｅ邋ｏｖｅｒａｌｌ邋ａｒｃｈｉｔｅｃｔｕｒｅ邋ｏｆ邋ｓｏｃｉａｌ邋ｍｅｄｉａ邋ｐｏｐｕｌａｒｉｔｙ邋ｐｒｅｄｉｃｔｉｏｎ邋ａｌｇｏｒｉｔｈｍ邋ｂａｓｅｄ邋ｏｎ邋ｄｅｅｐ逡逑ｍｕｌｔｉ－ｍｏｄａｌ邋ｆｕｓｉｏｎ邋ｆｅａｔｕｒｅｓ邋ｏｆ邋ＣＮＮ逡逑首先，本文的實(shí)驗(yàn)使用ＳＭＨＰ數(shù)據(jù)集。由于該數(shù)據(jù)集包含了社交媒體的多模態(tài)＃逡逑息數(shù)據(jù)，我們先分別篩選出圖片、文本、地理信息、時(shí)間、統(tǒng)計(jì)類數(shù)據(jù)等５種模態(tài)數(shù)逡逑據(jù)。逡逑然后，我們對(duì)ＳＭＨＰ數(shù)據(jù)集進(jìn)行預(yù)處理，以將除了圖片外的數(shù)據(jù)數(shù)值化。首先，逡逑對(duì)．“ｃａｔｅｇｏｒｙ”

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 韓蕾;;中國(guó)企業(yè)海外社交媒體平臺(tái)運(yùn)營(yíng)策略探索[J];新聞戰(zhàn)線;2019年23期

2 林賽賽;;以微博為例探析“后機(jī)制”時(shí)代社交媒體傳播倫理失范問題[J];新媒體研究;2019年21期

3 唐曉波;李詩(shī)軒;譚明亮;楊達(dá)森;;國(guó)內(nèi)外政務(wù)社交媒體研究評(píng)述及展望[J];現(xiàn)代情報(bào);2020年01期

4 陸麗雯;;方興未艾的加拿大檔案界社交媒體應(yīng)用[J];上海檔案;2015年11期

5 萬(wàn)凱莉;;社交媒體信息全民參與保存模式研究[J];中國(guó)檔案研究;2015年00期

6 孫其華;;“社交媒體”時(shí)代與“百百千”[J];江蘇教育宣傳;2012年02期

7 姜瓏;;社交媒體時(shí)代宣傳觀念的轉(zhuǎn)變——以江蘇教育部門為例[J];江蘇教育宣傳;2016年01期

8 雷賀羽;;社交媒體聯(lián)盟的社會(huì)化合作[J];上海檔案;2017年07期

9 鄒真子;;社交媒體對(duì)檔案信息資源建設(shè)的積極影響[J];上海檔案;2015年02期

10 梁蓓;黃海君;毛詩(shī)怡;;小學(xué)生“熱參與”短視頻社交媒體現(xiàn)象的歸因及對(duì)策研究——以抖音為例[J];長(zhǎng)江叢刊;2019年33期

相關(guān)會(huì)議論文 前10條

1 劉東;;社交媒體研究的十年回顧:2007-2017[A];第二十屆全國(guó)心理學(xué)學(xué)術(shù)會(huì)議--心理學(xué)與國(guó)民心理健康摘要集[C];2017年

2 ;社交媒體正在成為科學(xué)的挑戰(zhàn)?——美國(guó)反氟化物危機(jī)帶來的啟示[A];科學(xué)媒介中心2015年推送文章合集（上）[C];2016年

3 楊婉悌;;社交媒體時(shí)代下檔案信息與文化的傳播應(yīng)用[A];創(chuàng)新：檔案與文化強(qiáng)國(guó)建設(shè)——2014年全國(guó)檔案工作者年會(huì)優(yōu)秀論文集[C];2014年

4 喬詩(shī)綺;馬靜;劉康昱;王明輝;;社交媒體使用行為對(duì)員工工作績(jī)效的影響[A];第二十一屆全國(guó)心理學(xué)學(xué)術(shù)會(huì)議摘要集[C];2018年

5 劉宇初;周慶山;;圖博檔等公共服務(wù)機(jī)構(gòu)社交媒體服務(wù)融合模式的構(gòu)建[A];中國(guó)圖書館學(xué)會(huì)年會(huì)論文集（2016年卷）[C];2016年

6 施蓓琦;王麗鯤;田冬迪;王冕;;基于社交媒體地理數(shù)據(jù)挖掘的游客時(shí)空行為特征分析[A];衛(wèi)星導(dǎo)航定位與北斗系統(tǒng)應(yīng)用2017——深化北斗應(yīng)用 開創(chuàng)中國(guó)導(dǎo)航新局面[C];2017年

7 梁君健;;營(yíng)銷與秩序:社交媒體時(shí)代的電影言論規(guī)范[A];影博·影響（2016年第07期 2016年合訂本下 總第103期）[C];2016年

8 "基于社交媒體的科普輕游戲設(shè)計(jì)開發(fā)"課題組;郝倩倩;;基于社交媒體的科普輕游戲設(shè)計(jì)開發(fā)研究報(bào)告[A];科技館研究報(bào)告集（2006-2015）下冊(cè)[C];2017年

9 劉傳江;覃艷麗;李雪;;網(wǎng)絡(luò)社交媒體使用、社會(huì)資本積累與新時(shí)代農(nóng)業(yè)轉(zhuǎn)移人口的城市融合——基于六市1409個(gè)樣本的調(diào)查[A];中國(guó)經(jīng)濟(jì)發(fā)展：改革開放40年與新時(shí)代——第十二屆中華發(fā)展經(jīng)濟(jì)學(xué)年會(huì)會(huì)議論文摘要集[C];2018年

10 邊鈺涵;;社交媒體環(huán)境下極端氣候信息的傳播路徑分析——以川蜀地區(qū)極端暴雨天氣為例[A];“何微新聞獎(jiǎng)”優(yōu)秀文選第二輯[C];2018年

相關(guān)重要報(bào)紙文章 前10條

1 邱成剛;戒除社交媒體“成癮癥”有效減少抑郁情緒[N];中國(guó)科學(xué)報(bào);2019年

2 蕊睞　編譯;一名社交媒體編輯的“生意經(jīng)”[N];中國(guó)青年報(bào);2012年

3 發(fā)言人 馬戰(zhàn)英 央視頻融媒體發(fā)展有限公司特別代表 整理 樊文;打造主流媒體中首個(gè)視頻社交媒體[N];國(guó)際出版周報(bào);2019年

4 候濤;印海軍在基地禁用社交媒體[N];環(huán)球時(shí)報(bào);2019年

5 本報(bào)記者 操秀英;社交媒體炒舊聞：《科學(xué)》子刊稱中藥致癌[N];科技日?qǐng)?bào);2018年

6 本報(bào)記者 杜海川;中期選舉前，美社交媒體風(fēng)聲鶴唳[N];環(huán)球時(shí)報(bào);2018年

7 金惠真;韓社交媒體查出大量自殺自殘圖片[N];環(huán)球時(shí)報(bào);2018年

8 記者 劉海英;社交媒體使用越多可能越感孤獨(dú)[N];科技日?qǐng)?bào);2019年

9 平頂山學(xué)院新聞與傳播學(xué)院副教授 朱述超;反思災(zāi)難影像的社交媒體傳播[N];社會(huì)科學(xué)報(bào);2019年

10 本報(bào)見習(xí)記者 陳瑜;“蜜月期”過后，社交媒體將何去何從[N];文匯報(bào);2019年

相關(guān)博士學(xué)位論文 前10條

1 薄濤;基于社交媒體的地震災(zāi)情數(shù)據(jù)挖掘與烈度快速評(píng)估應(yīng)用[D];中國(guó)地震局工程力學(xué)研究所;2018年

2 熊蜀峰;面向社交媒體的觀點(diǎn)分析技術(shù)研究[D];武漢大學(xué);2016年

3 劉予飛;社交媒體中用戶影響力挖掘[D];南京航空航天大學(xué);2018年

4 漆舒漢;社交媒體中品牌實(shí)體信息檢索方法研究[D];哈爾濱工業(yè)大學(xué);2018年

5 劉培磊;社交媒體熱點(diǎn)檢測(cè)與追蹤技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2016年

6 王靜;基于社交媒體評(píng)論的客戶需求分析[D];哈爾濱工業(yè)大學(xué);2017年

7 朱江;社交媒體的實(shí)時(shí)分享對(duì)消費(fèi)者就餐體驗(yàn)和品牌評(píng)價(jià)的影響及內(nèi)在機(jī)制研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2018年

8 張婧;面向中文社交媒體語(yǔ)料的詞法分析研究[D];大連理工大學(xué);2018年

9 王亞坤;基于機(jī)器學(xué)習(xí)的社交媒體文本分析方法研究[D];北京郵電大學(xué);2019年

10 丁冠琪;企業(yè)社交媒體、知識(shí)分享和員工創(chuàng)造力[D];中國(guó)科學(xué)技術(shù)大學(xué);2019年

相關(guān)碩士學(xué)位論文 前10條

1 蒙雪平;社交媒體對(duì)被排斥者社會(huì)性痛苦的影響[D];西南大學(xué);2019年

2 鄭慧捷;《亞洲的社交媒體》（節(jié)選）翻譯報(bào)告[D];海南大學(xué);2016年

3 Mourcie Lujang Peter Yata;社交媒體對(duì)企業(yè)溝通管理的影響研究[D];合肥工業(yè)大學(xué);2019年

4 吳查科;隱私疲勞視角下社交媒體用戶隱私披露意愿研究[D];天津師范大學(xué);2019年

5 康慧舉;出版社在社交媒體背景下社群營(yíng)銷影響因素研究[D];北京第二外國(guó)語(yǔ)學(xué)院;2019年

6 崔春于;鄉(xiāng)村旅游地社交媒體營(yíng)銷對(duì)自助旅游者決策的影響[D];安徽師范大學(xué);2019年

7 喬慧;以騰訊為例淺談社交媒體品牌形象的設(shè)計(jì)與應(yīng)用[D];長(zhǎng)春理工大學(xué);2019年

8 蔣勇;社交媒體短文本在線聚類方法研究[D];電子科技大學(xué);2019年

9 李虹羽;面向多語(yǔ)義對(duì)象的社交媒體情感分析[D];桂林電子科技大學(xué);2019年

10 許曉夢(mèng);網(wǎng)紅的傳播動(dòng)因研究[D];長(zhǎng)春工業(yè)大學(xué);2019年

本文編號(hào)：2750809