[發明專利]基于低秩約束和多視角特征融合的微視頻流行度預測方法

有效

• 申請號: 201710378158.6
• 申請日: 2017-05-24
• 公開（公告）號: CN107229702B
• 公開（公告）日: 2020-09-11
• 發明（設計）人: 蘇育挺;李陽;白須;井佩光;張靜
• 申請（專利權）人: 天津大學
• 主分類號: G06F16/735
• 分類號: G06F16/735;G06F16/783;G06F16/78;G06K9/62;G06Q10/04;G06Q50/00
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 李林娟

本發明公開了一種基于低秩約束和多視角特征融合的微視頻流行度預測方法，所述方法包括：對4種視角模態特征分別進行低秩近似處理，得到去除噪聲的4種低秩特征信息；通過多視角信息典型相關分析對4種低秩特征信息進行特征融合；利用融合后的特征信息，建立表示各微視頻之間的圖關系的拉普拉斯矩陣；基于拉普拉斯矩陣，利用半監督的方法對微視頻的流行度進行預測。本發明避免了單一視角的特征對于流行度預測的局限性，采用低秩約束處理各視角的特征，使得建立的特征之間的拉普拉斯矩陣有更高的穩定性。

技術領域

本發明涉及微視頻流行度預測領域，尤其涉及一種基于低秩約束和多視角特征融合的微視頻流行度預測方法。

背景技術

隨著網絡技術與社交平臺的普及，微視頻已經作為一種新的用戶內容，受到了越來越多的關注。微視頻是指短則30秒，長則不超過20分鐘的視頻短片。微視頻的出現，不僅符合現代社會快節奏生活方式下的網絡觀看習慣和移動終端特色，也可滿足娛樂爆炸、注意力稀缺時代消費者的自主參與感和注意力回報率的需求，可以預見，“微視頻”帶給大眾的將是隨時隨地隨意的視頻享受。而微視頻流行度的預測在廣告推送，視頻推薦以及預留帶寬方面均具有指導作用，因此，對于微視頻流行度的預測具有重要的意義。

在現實生活中，每一個對象均可以用多種不同的視角特征進行表示，例如：微視頻的表示可以存在聲學特征，視覺特征，社會屬性特征以及文本特征等多種形式，不同視角的特征可以為微視頻流行度的預測起到不同的作用，因此特征融合以及特征選擇也是目前比較流行的處理多視角特征的方法^[1]。

發明人在實現本發明的過程中，發現現有技術中至少存在以下缺點和不足：

在實際的應用中，由于外部環境的變化以及相機的抖動導致微視頻受到污染，視頻提取的特征具有噪聲是不能完全依賴的，目前的方法并沒有很好的解決噪聲對于特征的影響的問題，無法滿足實際應用中多種需要。

發明內容

本發明提供了一種基于低秩約束和多視角特征融合的微視頻流行度預測方法，本發明避免了單一視角的特征對于流行度預測的局限性，采用低秩約束處理各視角的特征，使得建立的特征之間的拉普拉斯矩陣有更高的穩定性，詳見下文描述：

一種基于低秩約束和多視角特征融合的微視頻流行度預測方法，所述方法包括：

對4種視角模態特征分別進行低秩近似處理，得到去除噪聲的4種低秩特征信息；

通過多視角信息典型相關分析對4種低秩特征信息進行特征融合；

利用融合后的特征信息，建立表示各微視頻之間的圖關系的拉普拉斯矩陣；基于拉普拉斯矩陣，利用半監督的方法對微視頻的流行度進行預測。

所述方法還包括：對給定的微視頻提取4種視角模態特征。

所述4種視角模態特征具體為：視覺特征、聲學特征、文本特征以及社會屬性特征。

所述通過多視角信息典型相關分析對4種低秩特征信息進行特征融合具體為：

使各個視角的低秩特征投影到公共子空間上的余弦距離最大，用低秩特征公共子空間表示融合之后的特征空間，在此基礎上進行微視頻流行度的預測。

所述利用融合后的特征信息，建立表示各微視頻之間的圖關系的拉普拉斯矩陣具體為：

其中，L為低秩特征子空間的歸一化拉普拉斯矩陣，D為對角矩陣，其值為各列的數值之和。

本發明提供的技術方案的有益效果是：

1、對各視角的特征信息進行低秩化近似處理，獲得更加緊密的結構特征，以及采用去除噪聲處理，使獲取到的拉普拉斯矩陣具有更高的穩定性；