声明
第1章 绪论
1.1 课题背景
1.2 课题研究目标及意义
1.2.1 课题研究目标
1.2.2 课题研究意义
1.3 国内外研究现状
1.3.1 基于简单统计方法的 Hashtag 推荐
1.3.2 基于机器学习方法的 Hashtag 推荐
1.3.3 基于主题模型的 Hashtag 推荐
1.3.4 基于深度学习的 Hashtag 推荐
1.3.5 基于图网络的 Hashtag 推荐
1.4 本文的研究重点
1.5 论文的组织结构
第2章 相关理论基础及背景知识
2.1 多模态定义
2.2 多模态数据的特点
2.3 多模态融合方式
2.4 Hashtag 简介
2.5 相关技术
2.5.1 注意力机制
2.5.2 双向长短时记忆网络
2.5.2 图卷积神经网络
2.6 本章小结
第3章 情感特征增强下的微视频 Hashtag 推荐
3.1 问题提出
3.1.1 微视频 Hashtag 推荐存在的挑战及问题
3.1.2 本文的解决策略
3.2 符号表示及问题定义
3.3 微视频多模态特征提取及 Hashtag 语义信息学习
3.3.1 图像模态特征提取
3.3.2 音频模态特征提取
3.3.3 文本模态特征提取
3.3.4 Hashtag 语义信息学习
3.4 情感特征增强下的微视频 Hashtag 推荐模型
3.4.1 情感共同空间学习模块
3.4.2 基于自注意力机制的内容共同空间学习模块
3.4.3 Hashtag 预测模块
3.4.4 损失函数
3.5 实验方案与准备
3.5.1 实验数据集
3.5.2 实验参数设置
3.5.3 实验评估方法与评估指标
3.6 实验分析
3.6.1 模型对比和整体分析
3.6.2模态组合性能分析
3.6.3 情感特征有效性分析
3.6.4 可视化推荐结果分析
3.7 本章小结
第4章 图网络微视频 Hashtag 个性化推荐模型
4.1 动机分析
4.2 模型介绍
4.2.1 自注意力机制识别模态重要性
4.2.2 图卷积神经网络用户特征学习
4.2.3 用户识别下的微视频和 Hashtag 表征学习
4.2.4 Hashtag 预测与损失函数
4.3 实验准备和参数设置
4.4 GCN-SMPHR 模型相关实验和分析
4.4.1 性能比较
4.4.2 分析 GCN-SMPHR 模型
4.4.3 样例分析
4.5 本章小结
结论
参考文献
附录 A 攻读硕士学位期间发表的学术论文目录
致谢
湖南大学;