一种基于多深度网络结构的跨媒体排序方法

• 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.

• 专利类型：

  发明专利

• 申请/专利号：

  CN201610029177.3

• 申请日期：

  2016.01.15

• 公开/公告号：

  CN105718532A

• 公开/公告日：

  2016-06-29

• 发明人：

  彭宇新 黄鑫 綦金玮

• 申请人：

  北京大学

• 主分类号：

  G06F17/30(2006.01)I,G,G06,G06F,G06F17

• 分类号：

  G06F17/30(2006.01)I,G,G06,G06F,G06F17,G06F17/30

• 主权项：

  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;(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.