針對(duì)不同模態(tài)數(shù)據(jù)對(duì)相同語(yǔ)義主題表達(dá)存在差異性，以及傳統(tǒng)跨媒體檢索算法忽略了不同模態(tài)數(shù)據(jù)能以合作的方式探索數(shù)據(jù)的內(nèi)在語(yǔ)義信息等問(wèn)題，提出了一種新的基于潛語(yǔ)義主題加強(qiáng)的跨媒體檢索（ LSTR）算法。首先，利用隱狄利克雷分布（LDA）模型構(gòu)造文本語(yǔ)義空間，然后以詞袋（BoW）模型來(lái)表達(dá)文本對(duì)應(yīng)的圖像；其次，使用多分類邏輯回歸對(duì)圖像和文本分類，用得到的基于多分類的后驗(yàn)概率表示文本和圖像的潛語(yǔ)義主題；最后，利用文本潛語(yǔ)義主題去正則化圖像的潛語(yǔ)義主題，使圖像的潛語(yǔ)義主題得到加強(qiáng)，同時(shí)使它們之間的語(yǔ)義關(guān)聯(lián)最大化。在Wikipedia數(shù)據(jù)集上，文本檢索圖像和圖像檢索文本的平均查準(zhǔn)率為57. 0%，比典型相關(guān)性分析（CCA）、SM（ Semantic　Matching）、SCM（ Semantic Correlation Matching）算法的平均查準(zhǔn)率分別提高了35. 1%、34. 8%、32. 1%。實(shí)驗(yàn)結(jié)果表明LSTR算法能有效地提高跨媒體檢索的平均查準(zhǔn)率。
?