[发明专利]一种基于多深度网络结构的跨媒体排序方法有效
| 申请号： | 201610029177.3 | 申请日： | 2016-01-15 |
| 公开（公告）号： | CN105718532B | 公开（公告）日： | 2019-05-07 |
| 发明（设计）人： | 彭宇新;黄鑫;綦金玮 | 申请（专利权）人： | 北京大学 |
| 主分类号： | G06F16/435 | 分类号： | G06F16/435 |
| 代理公司： | 北京君尚知识产权代理事务所(普通合伙) 11200 | 代理人： | 邱晓锋 |
| 地址： | 100871*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于多深度网络结构的跨媒体排序方法，包括以下步骤：1.建立包含多种媒体类型的跨媒体数据集，提取所有媒体数据的特征向量；2.利用跨媒体数据集来训练多深度网络结构，用于为不同媒体的数据学习统一表示；3.利用训练好的多深度网络结构，得到不同媒体数据的统一表示，从而计算不同媒体类型数据的相似性；4.取一种媒体类型的每个数据作为查询样例，检索另一种媒体中的数据，计算查询样例和查询目标的相似性，并按照相似性从大到小排序，得到目标媒体数据的结果排序列表。本发明结合使用多种网络结构，能够同时建模媒体之间和媒体内部的关联信息，进而利用两级网络进行统一表示的学习，提高了跨媒体排序的准确率。 | ||
| 搜索关键词： | 一种 基于 深度 网络 结构 媒体 排序 方法 | ||
【主权项】：
1.一种基于多深度网络结构的跨媒体排序方法，包括以下步骤：(1)建立包含多种媒体类型的跨媒体数据集，提取所有媒体数据的特征向量；(2)利用跨媒体数据集训练多深度网络结构，用于为不同媒体的数据学习统一表示；首先使用多模态深度信念网络进行媒体之间的关联学习，生成包含媒体之间关联信息的特征表示；再使用栈式自编码器进行媒体内部的关联学习，生成包含媒体内部关联信息的特征表示；然后使用RBM联接层来融合同种媒体的两种不同表示，再迭代训练多个多模态自编码器模型，将其输出作为最终的统一表示；(3)利用训练好的多深度网络结构，得到不同媒体数据的统一表示，从而计算不同媒体类型数据的相似性；(4)取一种媒体类型作为查询媒体，另一种媒体类型作为目标媒体，将查询媒体的每个数据作为查询样例，检索目标媒体中的数据，按照步骤(3)计算查询样例和查询目标的相似性，按照相似性从大到小排序，输出结果排序列表。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京大学，未经北京大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201610029177.3/，转载请声明来源钻瓜专利网。
- 上一篇：一种分布式文件系统的自适应压缩方法及系统
- 下一篇：展会推荐方法和装置
