[发明专利]一种基于社交媒体图片的地域分析、推荐方法及系统

权利要求书

1.一种基于社交媒体图片的地域分析方法，其特征在于，包括如下步骤：

S1：图片收集：从社交网站上获取各个地区的图片；

S2：图片特征提取：对每张收集的图片，用深度神经网络提取固定长度的向量；

S3：图片地域分析：根据提取的所有图片的固定长度的向量，通过地域特征挖掘模型，将图片特征向量按照相似度进行聚类，将图片类别按照主题进行聚合，计算每个地域特征的图片类别分布，并得到每个地区的地域特征分布；

其中，地域特征挖掘模型，是指定聚类数目K¹、地域特征数目K、地域数目M，以及每个区域的图片特征，通过变微分推断，计算出高斯分布图片类别分布{φ_k}_k＝1,...,K，地域特征分布{θ_m}_m＝1,...,M；

上述的S3，所述图片地域分析采用一个概率生成模型，它包括图片聚类、地域特征聚合和地域特征分析：

所述的图片聚类，是通过地域特征挖掘模型，仅有图片特征的情况下，自动将图片特征进行聚类，对于每一个类别k¹，用高斯分布模拟并计算该高斯分布的均值和协方差系数其中I为单位矩阵；

所述的地域特征聚合，是通过地域特征挖掘模型，仅有图片特征的情况下，自动将图片类别进行地域特征聚合，对于每个地域特征k，用多项式分布φ_k模拟图片类别分布，通过对图片特征进行分析计算φ_k；

所述的地域特征分析，是通过地域特征挖掘模型，对每个地域得到一个地域特征分布，对于每个地域m，用多项式分布θ_m模拟地域特征分布，通过对图片特征进行分析计算θ_m。

2.根据权利要求1所述的基于社交媒体图片的地域分析方法，其特征在于，所述的图片收集，运用网络爬虫技术从互联网上收集所要分析的地域的图片。

3.根据权利要求1所述的基于社交媒体图片的地域分析方法，其特征在于，所述的图片特征提取，用在开源GoogLeNet数据集上训练好的深度卷积网络提取收集到的图片的特征M为地域数目。

4.一种基于社交媒体图片的地域推荐方法，其特征在于：

对于一个用户的单张图片，首先利用地域特征挖掘模型对图片进行类别指定，然后采用权利要求1-3任一项所述地域分析方法得到每个地域的特征分布和每个特征的图片类别分布，相乘得到每个地域的图片类别分布，选出在该单张图片的类别上概率值大的地域，进行推荐；

对于一个用户的图片集合，采用权利要求1-3任一项所述地域分析方法得到这个图片集合的地域特征分布，然后计算该分布与所有地域的特征分布的欧式距离，选择欧式距离小的地域，进行推荐。