2.4　社交网络深度学习搜索特征抽取与匹配算法的提出

2.4　社交网络深度学习搜索特征抽取与匹配算法的提出

本节提出一种社交网络深度学习搜索特征抽取与匹配算法（DCNN-CSTRS），对跨媒体社交网络内容关联分析算法（SSCM）所重构的跨媒体社交网络关联特征，针对查询目标进行进一步相关内容筛选和匹配。在有效利用跨媒体社交网络内容重构关联特征的基础上，利用深度学习算法从信息搜索的角度对社交网络内容特征进行处理。对社交网络深度学习搜索特征抽取与匹配算法进行了阐述。跨媒体社交网络内容关联分析算法（SSCM）如下所示。

算法2-1　跨媒体社交网络内容关联分析算法

输入：社交网络文本媒体形式数据和图像媒体形式数据

输出：重构的跨媒体社交网络关联特征

（1）对社交网络文本媒体形式数据和图像媒体形式数据进行预处理，获得相应的文本嵌入特征表示和图像卷积特征表示

（2）依据语义映射关系读取相同语义标签下的文本嵌入特征表示和图像卷积特征表示

（3）读取文本嵌入特征表示，以及图像卷积特征表示

（4）在有监督机制下进行特征表示重构与加权融合训练，并计算损失

（5）依据损失值和跨媒体关联重构特征的关联性进行参数更新

（6）重复步骤2至步骤5直至算法收敛

（7）保存训练好的算法，并对所获取的目标社交网络内容进行跨媒体内容关联

（8）返回重构的跨媒体社交网络关联特征