基于图像特征匹配的推荐模型研究

摘要：

[目的]基于LSH算法将图像匹配应用到图像推荐模型中,与传统推荐模型结合,提高推荐结果准确度.[方法]提取图像SIFT特征作为图像匹配标准,改进基于p-Stable Distribution的LSH算法,实现高维度下大量图片的搜索匹配,最后融合现有协同过滤算法提出ICF-LSH推荐算法构建融合推荐模型,并采用Python语言予以实现.[结果]使用不同的数据集对本文提出的算法进行验证,实验表明改进的LSH算法对召回率和错误率都有一定的优化,通过匹配耗时和Hash表长度可知该算法优化了内存利用和搜索匹配效率.由融合推荐模型的平均绝对误差MAE和精确度Precision可知,相对传统的协同过滤推荐算法,本文提出的ICF-LSH推荐算法提高了推荐结果的精准度.[局限]在提取图像特征时仅使用SIFT特征,后续研究中可以尝试使用多种图像特征作为匹配依据,提高匹配结果的可靠性.[结论]图像匹配算法基于LSH进行了一定改进,提高了图像相似度匹配的效率,此外,本文提出的融合推荐模型能显著提升推荐效果.

关键词：SIFT特征、LSH、图像匹配、推荐系统

所属期刊栏目：2

分类号：N99;TP391(情报学、情报工作)

资助基金：国家自然科学基金项目“基于可信语义Wiki的知识库构建方法与研究应用”71203173;国家自然科学青年基金项目“大规模动态社交网络社团检测算法研究”项目71401130的研究成果之一

在线出版日期：2018-06-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：49-59