DeepVisInterests：基于CNN与本体论的社交图像用户兴趣预测
社会与信息网络
2018-11-28 v1
摘要
本文提出一种名为 DeepVisInterests 的新颖系统，该系统基于用于本体构建的深度神经方法，从社交视觉数据执行用户兴趣预测任务。我们进行了全面的统计研究以验证我们的 DeepVisInterests 系统。所提出的系统基于使用一组深度视觉特征构建用户兴趣本体，以学习由 Facebook 定义的流行兴趣主题的语义表示。事实上，DeepVisInterests 系统解决了发现属性兴趣的问题（如何从用户在在线社交网络（OSN）中提供的社交图像中检测其兴趣），并通过我们将实验应用于从 240 名 Facebook 用户收集的社交图像数据库，与自我评估的兴趣主题（用户在所提问卷中提供的兴趣主题）进行比较来分析自动预测的性能。本文所做的定性与定量实验研究表明，DeepVisInterests 以 0.80 的准确率位居近期相关工作的榜首。
引用
@article{arxiv.1811.10920,
title = {DeepVisInterests: CNN-Ontology Prediction of Users Interests from Social Images},
author = {Onsa Lazzez and Wael Ouarda and Adel M. Alimi},
journal= {arXiv preprint arXiv:1811.10920},
year = {2018}
}
备注
26 pages, 34 images