12.3.2　跨媒体语义学习模块

跨媒体语义学习模块实现了本书提出的基于时空特性的在线社交网络跨媒体语义学习算法（SCSL）。该模块利用在线社交网络多特征概率图模型MFPGM将社交网络中的用户、短文本、时间、地理位置等多种社交网络信息映射到统一的主题语义空间内，获取的文本特征可以有效地克服语义稀疏性和时空歧义性。基于获取的多特征文本语义表示和具有视觉显著性信息的图像特征表示，通过跨媒体数据的关联映射学习，实现了跨媒体语义学习。

在跨媒体语义学习模块中，可以设置主题数目、选择文本特征提取算法和选择图像特征提取算法。图12-5是跨媒体语义学习参数设置界面。其中，图12-5（a）为主题数目设置界面，图12-5（b）为文本特征提取算法的选择界面，图12-5（c）为图像特征提取算法的选择界面。通过跨媒体语义学习模块可以获取在线社交网络跨媒体数据的公共语义表示。

图12-5　跨媒体语义学习参数设置界面