9.2.1　UCMS算法的研究动机

在线社交网络跨媒体搜索的核心问题是建立不同模态数据之间的关联，跨越不同模态之间的语义鸿沟，需要理解与挖掘用户的搜索意图，返回更加符合用户意图的搜索结果。本章提出了基于用户搜索意图理解的在线社交网络跨媒体搜索算法（UCMS），分别从用户搜索意图、不同模态的公共语义学习等角度出发，实现基于用户搜索意图理解的在线社交网络跨媒体精准搜索。

为了理解与挖掘用户的搜索意图，并解决社交网络上下文稀疏性问题，我们采用基于用户聚合的在线社交网络用户搜索意图理解与挖掘算法（UAIU）获取文本语义表示。由于在图像数据中，包含了具有主题意义的聚焦特征和辅助意义的非聚焦特征，且在聚焦特征和非聚焦特征中都有与之对应的目标特征。因此，可以通过引入目标特征来有效地桥接跨媒体信息。为了有效地建模跨媒体数据中不同模态间的关联，利用基于互补注意力机制的在线社交网络图像主题表达算法（CAIE）对图像特征进行学习，以获取较为一致的图像特征信息。为了进一步学习跨媒体数据的语义关联和表示，建立了在线社交网络跨媒体对抗学习过程，通过生成过程和判别过程的对抗来改善模态间和模态内的一致性语义学习效果。通过上述过程得到两种模态间的统一语义表示，基于在公共语义空间上的相似性计算与度量，实现在线社交网络跨媒体搜索。