[发明专利]一种用户可扩展的标签标注方法及系统

摘要

本发明公开一种用户可扩展的标签标注方法及系统，包括步骤步骤S1：对用户采样获取用户样本数据并标记用户的样本图片，生成样本用户标签标注矩阵；步骤S2：通过卷积神经网络对用户样本数据预处理，生成用户兴趣特征矩阵和标签兴趣特征矩阵；步骤S3：利用样本用户标签标注矩阵、用户兴趣特征矩阵和标签兴趣特征矩阵计算并生成用户标签关联知识数据；步骤S4：通过用户标签关联知识数据，计算生成用户新标签标注数据。本发明解决在对用户进行图像数据标签化处理过程中，如何合理地、低成本地完成对用户进行新的标签标注的问题，本发明有效地提升了在对用户进行新的标签化的过程中的计算效率和数据利用效率。

主权项

1.一种用户可扩展的标签标注方法，其特征在于，步骤包括；/n步骤S1：对用户采样获取用户样本数据，并标记用户的样本图片，生成样本用户标签标注矩阵，具体步骤为：对用户进行随机采样作为用户样本数据，标记用户收藏的图片作为样本图片，对样本图片进行标签标记，其中每张图片有多个标签标记或只有一个标签标记，利用用户样本数据和样本图片的标签标记生成样本用户的标签标注矩阵，其中第j个用户的标签特征向量由标记的图片标签归一化分布产生；/n步骤S2：通过卷积神经网络对用户样本数据预处理，生成用户兴趣特征矩阵和标签兴趣特征矩阵，具体步骤为：将每个用户样本数据作为卷积神经网络的输入数据，获取分类特征层的数值输出特征，每张图片输出一个固定维度的特征，将带有标签标注的样本图片依据用户进行归类，作为训练数据输入，综合归一化每个用户样本的特征维度，根据训练数据生成用户兴趣特征矩阵，将样本图片依据标签进行归类，作为训练数据输入，将生成的图片特征作为矩阵的横向量，构建图像特征矩阵，综合归一化每个标签样本的特征维度，生成标签兴趣特征矩阵；/n步骤S3：利用样本用户标签标注矩阵、用户兴趣特征矩阵和标签兴趣特征矩阵计算并生成用户标签关联知识数据，其中，计算用户标签关联知识数据的计算公式为U·A·T