INTRODUZIONE: La ricerca BASATA SU PAROLE CHIAVE è stata la ricerca più popolare nel mondo delle ricerche di oggi. Il risultato della ricerca basata su parole chiave è migliore di quello di Google. Sul motore di ricerca di Google l'utente o il ricercatore non ha trovato risultati di immagini pertinenti. Ciò è dovuto a due motivi. Le query sono generalmente brevi e non specifiche. Numero di utenti possono avere intenzioni diverse per la stessa query. La ricerca di una mela da parte di un agricoltore ha un significato diverso dalla ricerca di una persona tecnica. Esiste una soluzione per risolvere questi problemi c'è la ricerca personalizzata in cui vengono prese in considerazione le informazioni specifiche dell'utente per distinguere tra le esatte intenzioni delle query dell'utente e riclassificare le immagini. Figura.1: (in alto) risultati di ricerca non personalizzati e (in basso) personalizzati per la query "Samsung Laptop". Fico. 1 mostra l'esempio di risultati di ricerca di immagini non personalizzate e personalizzate dai motori di ricerca. La ricerca non personalizzata ha restituito risultati solo in base alla pertinenza della query dell'utente e visualizza le immagini del laptop Samsung, nonché la batteria del caricabatterie Samsung nell'immagine sopra nella figura 1. Mentre i risultati di ricerca personalizzati considerano sia la pertinenza della query dell'utente che le preferenze dell'utente, i risultati personalizzati di un amante dei laptop classificano le immagini del laptop in cima. I siti Web di social network sempre più sviluppati, come Flicker e YouTube, consentono agli utenti di creare, condividere, caricare e annotare le immagini. Il database Flicker viene utilizzato per dimostrare l'efficacia del sistema proposto. Il sistema proposto ha due componenti: 1) Il modello RMTF (Rank Based Multicorrelation Tensor Factorization) viene utilizzato per calcolare la previsione dell'annotazione dell'utente che fornisce le preferenze dell'utente per l'assegnazione del tag sull'immagine. RMTF evita il rumore comune...... metà della carta...... la persona può trovare facilmente l'elenco delle immagini personalizzate.4. L'utente ha ottenuto immagini di alto livello. CONCLUSIONE: i metadati creati dagli utenti attraverso le loro attività quotidiane sul sito di social network vengono utilizzati per ottenere immagini altamente rilevanti. La fattorizzazione tensore multicorrelazione basata sul ranking viene introdotta per eliminare i gravi problemi di scarsità apparsi nel sistema esistente. Per trovare l'argomento degli utenti, algoritmo LDA (Latent Dirichlet Allocation). Il sistema introduce due componenti principali per ottenere immagini personalizzate. Il primo è calcolare le preferenze dell'utente per assegnare un tag all'immagine e il secondo è la selezione di una singola parola chiave per la ricerca di immagini pertinenti. Gli argomenti sensibili degli utenti vengono generati per prevedere il profilo dell'utente. La mappatura delle query o la pertinenza delle query e le preferenze utente sensibili all'argomento (TSUP) sono integrate nel risultato finale classificato delle immagini pertinenti .