中文摘要：

互联网广告对国民经济、科学研究和人民生活等有重大的需求。传统的网络广告推荐方法的用户针对性与用户亲和力存在不足。本课题研究基于移动互联网的图标广告推荐方法，提出从互联网用户兴趣挖掘、移动用户相关信息提取等方面入手，提升推荐广告与用户针对性与亲和力。主要研究内容图像语义标签文字扩充方法；互联网用户兴趣挖掘方法；移动互联网用户信息感知的广告推荐方法；广告与用户的相关性度量与广告排序方法。创新点提出基于条件共生的标签文字相容性和冲突性建模及基于Graph-Cut优化的语义标签扩充方法，增强了扩充后的标签文字的准确性和丰富性；提出基于视觉相似性与时间相关性约束以及用户兴趣度排序的互联网用户兴趣挖掘方法，克服了用户兴趣挖掘受图像内容广泛性和用户兴趣漂移等因素的影响；提出基于学习的移动互联网用户广告排序和推荐方法，解决了不同语义级别信息在广告推荐中的不协调性，提升了推荐广告的用户针对性与亲和力。

结论摘要：

本课题研究基于移动互联网的图标广告（或者服务）推荐方法，提出从互联网用户兴趣挖掘、移动用户相关信息提取等方面入手，提升推荐广告与用户针对性与亲和力。主要研究内容图像语义标签文字扩充方法；互联网用户兴趣挖掘方法；移动互联网用户信息感知的广告推荐方法；广告与用户的相关性度量与广告排序方法。在研究中，我们系统分析了移动互联网用户的分享行为、用户社交属性、用户标注分析图片中的文本、图片、地理位置等信息。并在网络图像内容理解与图像语义标签文字扩充方法，互联网用户兴趣挖掘及个性化的推荐方法，广告与浏览图像的用户的相关性度量与图像检索中的结果排序方法进行较为系统、深入的研究。我们提出基于语义互补性、基于潜在群组检测和多核学习的图像标签推荐方法和基于句子的视频内容描述方法、基于社会媒体用户的图像标签推荐方法。提出基于用户兴趣挖掘、社会关系及地理位置属性挖掘的推荐方法、基于用户主题模型及主题包模型的个性化旅游推荐方法，并在用户和服务大数据的基础上提出了一种基于用户置信度和时空上下文信息的服务客观评价方法。提出基于用户偏好品牌挖掘的商品排序方法、基于区域和上下文信息挖掘的图像检索排序方法。上述研究中取得了一定的研究成果，在IEEE TIP，TMM，TCSVT，TKDE等期刊和国际会议中发表论文40余篇，其中SCI检索论文20余篇，包括IEEE Trans.论文10余篇，Pattern Recognition论文一篇。在我们的研究中，有针对性地收集了一个基于地理位置估计的图像测试集GOLD，基于社会媒体推荐的Yelp数据集，针对旅游推荐的用户数据集，还有针对草图检索用的数据集。这些数据集都在实验室网站进行了分享，为广大研究者进行测试提供便利。