[发明专利]一种利用包含社会地理信息的多媒体网络学习最大边界多媒体网络表达的方法

说明书

本发明公开了一种利用包含社会地理信息的多媒体网络进行最大边界多媒体网络表达学习的方法。主要包括如下步骤：1)针对于一组社交网络用户及感兴趣地点和感兴趣地点的类别信息，构建包含用户、感兴趣地点和感兴趣地点类别信息之间相互关系的网络。2)卷积神经网络及单词映射网络获取感兴趣地点的综合表达，之后利用最大边界网络训练的方法结合用户及感兴趣地点的映射表达进行训练，得到令损失函数最小的用户及感兴趣地点的表达。相比于一般的用户可能感兴趣地点推荐解决方案，本发明利用了多媒体网络的特性及用户之间的相互关系与感兴趣地点的种类信息。本发明在用户可能感兴趣的地点的预测问题中所取得的效果相比于传统的方法更好。

技术领域

本发明涉及最大边界多媒体网络学习，尤其涉及一种利用包含社会地理信息的多媒体网络进行最大边界多媒体网络表达学习的方法。

背景技术

随着移动设备的快速普及和社交网络的蓬勃发展，包含地理信息的社交多媒体网络已经成为一项重要的网络服务，该服务可以让用户来分享其在某地的签到信息并上传此地的照片到互联网上。在提供包含地理信息的社交多媒体网络服务的网站上，对于用户可能感兴趣的地点的推荐已经成为一项重要的服务，但是目前该项服务的效果并不是很好。

现有的技术主要是将用户可能感兴趣的地点推荐作为一种以内容为基础的地点推荐的任务来做，该方法主要是通过用户的签到信息来学习用户与感兴趣地点在的潜在表达，从而推荐用户可能感兴趣的地点，该方法受困于对于感兴趣地点内容的表达不是十分有效，并且用户签到信息的稀疏。为了克服这些困难，本方法将使用感兴趣地点的类别信息来获取更好的感兴趣地点的表达。

本发明将采用一种利用包含社会地理信息的多媒体网络来学习可能感兴趣地点及用户的有效表达，利用可能感兴趣地点及用户的表达从而为向用户推荐其可能感兴趣的地点作准备。

本发明将首先利用随机游走的方法将构建的异质包含地理信息的多媒体网络中的路径进行取样，之后通过卷积神经网络及文本语义映射网络来获取感兴趣地点的联合表达，结合随机初始化的用户表达及地点分类表达，进行训练，得到最终的用户及感兴趣地点的表达。则得到的用户及感兴趣地点的表达中便蕴含了对于用户感兴趣地点的可能感兴趣程度的信息。

发明内容

本发明的目的在于解决现有技术中的问题，为了克服现有技术中具有缺乏对于感兴趣地点的有效表达及用户签到信息稀疏的问题，本发明提供一种包含社会地理信息的多媒体网络进行最大边界多媒体网络表达学习的方法。本发明所采用的具体技术方案是：

利用包含社会地理信息的多媒体网络进行最大边界多媒体网络表达学习，包含如下步骤：

1、针对于一组社交网络用户及感兴趣地点和感兴趣地点的类别信息，构建包含用户、感兴趣地点和感兴趣地点类别信息之间相互关系的网络。

2、利用卷积神经网络及单词映射网络获取感兴趣地点的综合表达，利用最大边界损失函数结合用户及感兴趣地点的映射表达得到目标函数，利用该目标函数进行训练，得到令目标函数最小的用户及感兴趣地点的映射表达。

上述步骤可具体采用如下实现方式：

1、对于所给出的用户、感兴趣地点、感兴趣地点的类别及用户与感兴趣地点相互之间的关系集合，形成异质的包含社会地理信息的多媒体网络——GMN网络。

2、对于构建完成的GMN网络，首先利用随机游走的方法，构建样本路径，对于路径中的感兴趣地点的表达，利用如下方法进行获取。