Resumen

En los últimos años, las redes neuronales profundas han logrado un gran éxito en muchos campos, como la visión por computadora y el procesamiento del lenguaje natural. Los algoritmos tradicionales de recomendación de imágenes utilizan métodos de recomendación basados en texto. El proceso de mostrar imágenes requiere mucho tiempo y trabajo, y el trabajo que consume tiempo es ineficiente. Por lo tanto, este artículo estudia principalmente algoritmos de recomendación de imágenes basados en redes neuronales profundas en redes sociales. Primero, de acuerdo con la información de la marca de tiempo del conjunto de datos, se ordenan los registros de interacción de cada usuario por el tiempo más cercano. Luego, se crean algunos vectores de características a través de algoritmos de características tradicionales como LBP, BGC3, RTU o extracción de CNN. Para la recomendación de imágenes, se establecen dos redes neuronales LSTM, que aceptan estos vectores de características como entrada, respectivamente. La salida comprimida de las dos subredes neuronales LSTM se utiliza como entrada de otra red neuronal LSTM. Se adopta el algoritmo de regresión multinivel para

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Redes neuronales; Recomendación de imágenes; LSTM; CNN; Redes sociales; Algoritmos
• Keywords:Neural networks; Image recommendation; LSTM; CNN; Social networks; Algorithms