On the learning of image social relevance from heterogeneous social network

رسانه های اجتماعی یک پلت فرم مناسب برای کاربران برای حفظ و به اشتراک گذاشتن پیام ها در انواع مختلف رسانه ها (مثلا تصویر و ویدیو) بوده است. علاوه بر حجم منحصر به فرد داده ها، رفتارهای اجتماعی مختلف کاربر، داده ها را به صورت اجتماعی مرتبط تر می کنند تا اینکه به صورت مستقل موجود شوند. ارتباط اجتماعی بین تصاویری که توسط فعالیت های کاربر ایجاد می شود، شناخت انسان را نسبت به تصاویر جلب می کند، که در بسیاری از برنامه های در حال ظهور ضروری است اما به ندرت با ویژگی های بصری استاندارد نمایش داده می شود. با این حال، با توجه به نهادهای اجتماعی ناهمگن، محتوا و روابط، تجزیه و تحلیل تصویر اجتماعی یک کار چالش برانگیز است. در این مقاله پیشنهاد می کنیم شبکه اجتماعی ناهمگن را به چندین شبکه همگن تقسیم کنیم که در آن ارتباط جهانی بین نهادهای اجتماعی می تواند با استفاده از رویکرد سبک راه رفتن تصادفی مورد استفاده قرار گیرد. علاوه بر این، ارتباطات تصویری تصویری با انتشار ارتباطات آموخته شده با دامنه تصویر از طریق ارتباط بین تصاویر و شبکه های دیگر تعیین می شود. ارتباط تصویری تصویر پیشنهادی به طور یکپارچه در چندین برنامه کاربردی واقعی کلمه، مانند برچسب گذاری عکس و رتبه بندی مجدد، یکپارچه شده است. نتایج آزمایش ما نشان می دهد که ارتباطات تصویری تصویری، که می تواند شناخت کاربران را بر روی تصاویر جذب کند، مکمل ویژگی های بصری است، که منجر به بهبود عملکرد قابل توجهی در کاربردهای شخصی و عمومی می شود.