文献综述：
图像标签推荐技术：文献综述
摘要：社会标签在组织和搜索那些由大型社区在社交网站上提供的照片上变得越来越重要。为了方便生成高质量的社会标签，自动为照片分配相关标签的标签推荐方法吸引了特别的研究兴趣。本文分析图像标签推荐技术的研究现状，从文献梳理视角，对推荐技术进行了总结分类，并指出图像标签推荐技术的未来发展趋势。
关键词：图像标签；标签推荐
- 引言
这些年，随着社交文化的不断发展，以及支持全球定位系统GPS的相机设备和智能手机的迅速普及，人们已经由内容阅读者变为内容提供者。数以百万计的人们通过他们的智能手机或其他联网设备在社交网站上分享他们的个人多媒体数据。其结果是，无论是在个人设备还是在社交网站上，图片数量大幅增加。这对于多媒体应用来说，开发如此巨大数量的图片是具有挑战性的，但也是有前途的。而在这些应用中，为照片分配适当的标签是至关重要的任务。
标签通常被用来为图片添加评论，或者被用来组织和检索图片。然而，由于照片的数量巨大和移动设备屏幕尺寸的有限，完全手动地分配标签是非常耗时和不切实际的。为了使它更容易，人们提出了图像标签推荐技术。它能够让用户在社交网站上上传图片时，对推荐的标签予以选择。而如何提高标签推荐的速度以及准确度，是众多学者研究的方向。本文拟在图像标签推荐技术这一主题下，对中外相关文献进行评述。
- 图像标签推荐技术的研究现状
图像标签推荐技术主要分为两类：通用标签推荐和个性化标签推荐。在这一节中，主要综述两类推荐技术的研究现状：
- 通用标签推荐：
通用标签推荐方法是对相同照片的相同标签进行预测，即独立于用户因素。陈先生等人提出了自动标签推荐方法，这一方法通过对测试数据进行模型学习来直接预测可能的标签。沈先生等人提出了一种多任务结构的支持向量机算法，通过这种方法来充分利用对象间的相关性和松散标记的图像。图像注释完全基于图像视觉内容。对于一个图像，它首先从社区图像集中找到它的前k个相邻图像，然后选择相邻集中最常见的标签作为标注结果。在[6]中，基于泊松混合模型和高斯过程的方法，提出了有效和高效的标签推荐方法。在[7]中，标签概念被索引为文本文件。与匹配概念相关的候选标签通过查询用户给定的标签被检索和推荐。有一些工作重点放在地理标签的挖掘。一个典型的方法被Moxley等人和Kleban等人介绍。这个方法是通过约束最近邻（k -神经网络）投票来为给定图像标注，并且视觉邻居从给定图片的地理区域中检索。在[13]中的基本理念是学习标签的语义，即按照位置、地标和视觉描述来对标签进行归类，这样做是为了进一步过滤标签推荐的结果。Silva 等人通过挖掘网上提供的大量标注中的冗余来使用描述标签来标注地理坐标照片。在[15]中，地理环境以一种概念相关的方式与视觉概念检索相融合，通过这一方法来提高视觉搜索。然而，上述方法忽略了用户的偏好，并为不同的用户的视觉上类似的照片建议相同的标签。与他们不同的是，我们提出了一个学习算法来有效地根据他的标记历史发现用户的偏好。
- 个性化标签推荐：
个性化标签推荐最近备受关注。在[22]中，标签推荐是通过共同使用基于用户标注历史的朴素贝叶斯分类器和基于全局信息的TF-IDF来实现的。在[8]中，照片的共生标签是通过计算出现在用户标记历史和Flickr网站中的标签得到的，并且被用来作为推荐标签。在[23]中，用户的网页浏览行为被用来建议标签。在[24]中，图像标签推荐转化为使用可视化的分类的最大后验概率问题。如果假设最喜欢的图片和它们相关联的标签可以显示视觉和用户的一部分兴趣，那么个人的最喜欢的照片和它们的上下文环境应该被用来个性化图片标签推荐。一个简单的个性化图像标注方法在[ 26 ]中被介绍，这个方法使用用户标记历史中最常见的标签来简单标注未标记的图像。张量分解模型已被运用于标签推荐。Rendle等人[29]提出了tucker分解模型、相互作用模型的一个特例，用它来预测标签集。MusicBox[30]基于社会标签，通过使用三阶张量来捕获用户、标签、音乐三者的相互关系，然后标记音乐。低阶张量分解在[31]中提出，它使用0、1、2阶多项式来重构数据。在[32]中，张量因数分解和标签聚类模型在社会标签系统中被用来推荐标签，这可以解决稀疏、冷启动和标签相关的学习问题。一个使用交叉熵的个性化方法被提出用来标注图像，它包含一个从用户标记历史习得的通用标注模型。然而，上述方法只关注照片，用户和标签，但忽略了照片的地理信息。一些其他的个性化标签推荐方法利用地理标记生成候选标记。在[16]中，新照片使用用户自己的词汇来标记，这些词汇是从候选照片累积投票生成的，投票考虑以下三个因素：视觉特征，地理坐标和图像拍摄时间。不同于以上工作，我们提出了一个子空间学习方法来分别地根据用户标记历史来发掘用户偏好，根据图片的地理位置信息来发掘地理位置偏好，然后探索已习得的子空间来辅助搜素方案，进而为用户推荐首选的标签。
- 图像标签推荐技术的典型模型对比
通过多年来对图像标签推荐技术的研究，提出了许多典型的模型，包括一般标签推荐和个性化标签推荐：
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
