Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Learning Convolutional Ranking-Score Function by Query Preference Regularization Kapitel lesen Erstes Kapitel lesen

2017 | OriginalPaper | Buchkapitel

Cross-Media Retrieval of Tourism Big Data Based on Deep Features and Topic Semantics

verfasst von : Yang Li, Junping Du, Zijian Lin, Lingfei Ye

Erschienen in: Intelligent Data Engineering and Automated Learning – IDEAL 2017

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

As an Internet application, smart tourism has greatly enriched the tourism information. In this paper, we propose a unified modeling and expression method of attraction texts and images based on the text deep representation model and convolution neural network. According to the cross-media characteristics of tourism big data, we propose a semantic learning and analysis method for cross-media data, and correlate tourism texts with images based on deep features and topic semantics. Experimental results show that the proposed method can achieve better results for semantic analysis and cross-media retrieval of tourism big data.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Optimization of Grover’s Algorithm Simulation Based on Cloud Computing
Nächstes Kapitel Information Retrieval with Implicitly Temporal Queries
Literatur
1.
Gao, J., Yang, J., Zhang, J., et al.: Natural scene recognition based on convolutional neural networks and deep boltzmannn machines. In: IEEE International Conference on Mechatronics and Automation. IEEE (2015)
2.
Jiang, Q.Y., Li, W.J.: Deep Cross-Modal Hashing (2016)
3.
Zhao, F., Huang, Y., Wang, L., et al.: Deep semantic ranking based hashing for multi-label image retrieval. In: Computer Vision and Pattern Recognition, pp. 1556–1564. IEEE (2015)
4.
Donahue, J., Jia, Y., Vinyals, O., et al.: DeCAF: a deep convolutional activation feature for generic visual recognition. Comput. Sci. 50(1), 815–830 (2013)
5.
Lin, G., Shen, C., Wu, J.: Optimizing ranking measures for compact binary code learning. In: Fleet, D., Pajdla, T., Schiele, B., Tuytelaars, T. (eds.) ECCV 2014. LNCS, vol. 8691, pp. 613–627. Springer, Cham (2014). doi:10.​1007/​978-3-319-10578-9_​40
6.
Wang, J., Song, Y., Leung, T., et al.: Learning fine-grained image similarity with deep ranking. Comput. Sci., 1386–1393 (2014)
7.
Xia, R.: Supervised hashing for image retrieval via image representation learning. In: AAAI Conference on Artificial Intelligence (2014)
8.
Ren, S., He, K., Girshick, R., et al.: Faster R-CNN: towards real-time object detection with region proposal networks. IEEE Trans. Pattern Anal. Mach. Intell., 1–11 (2016)
9.
Rasiwasia, N., Costa Pereira, J., Coviello, E., et al.: A new approach to cross-modal multimedia retrieval. In: International Conference on Multimedia, pp. 251–260. ACM (2010)
10.
Feng, F., Wang, X., Li, R.: Cross-modal retrieval with correspondence autoencoder. In: ACM International Conference on Multimedia, pp. 7–16. ACM (2014)
11.
Pereira, J.C., Vasconcelos, N.: On the regularization of image semantics by modal expansion. 157(10), 3093–3099 (2012)
12.
Liu, J.: semantic analysis and classification of food safety emergencies cross media information. Beijing University of Posts and Telecommunications (2013)
13.
Wu, F., Lu, X., Song, J., et al.: Learning of multimodal representations with random walks on the click graph. IEEE Trans. Image Process. 25(2), 1–11 (2015)MathSciNet
Metadaten
Titel
Cross-Media Retrieval of Tourism Big Data Based on Deep Features and Topic Semantics
verfasst von
Yang Li
Junping Du
Zijian Lin
Lingfei Ye
Copyright-Jahr
2017
Buch
Intelligent Data Engineering and Automated Learning – IDEAL 2017

Print ISBN: 978-3-319-68934-0

Electronic ISBN: 978-3-319-68935-7

Copyright-Jahr: 2017

DOI
https://doi.org/10.1007/978-3-319-68935-7_11

Premium Partner

    Bildnachweise