语义位置是既能够在一定程度上反映出人们的位置信息,又和人们的某项行为活动息息相关的位置,如“家”、“学校”和“工作”等。与GPS坐标、街道名称等地理位置相比,语义位置更容易被人们所理解。此外,语义位置还可以帮助我们预测人们的行为活动,并有助于进一步了解人们的生活习惯,从而可以更好地为人们提供个性化推荐等服务。随着近年来以Twitter、新浪微博为代表的在线社交媒体平台的兴起和快速发展,产生了大量形式自由且观点丰富的社交多媒体数据,这类数据架起了人们在线虚拟状态与现实生活行为活动的桥梁,为我们捕捉人们的语义位置信息提供了一条新的途径。本文就是基于社交媒体平台中的数据来研究语义位置预测问题。“文本-图片”对是目前社交媒体平台中最常见的用户发表博文的形式,为了能够充分利用文本和图片两种模态数据之间的互补性与相关性,本文提出了一种多模态特征层融合的语义位置预测方法。该方法将社交媒体中的语义位置预测问题转化成分类问题,以用户发表的“文本-图片”对作为输入,不同模态的数据输入后分别经过两个不同的卷积神经网络通道进行特征提取,然后将两个卷积神经网络在倒数第二层进行融合,最后以语义位置的类别作为输出。实验结果表明,本文提出的多模态特征层融合的语义位置预测方法实现了比单模态的预测方法和传统的多模态融合的预测方法更高的准确率。此外,本文还提出了一个融合用户属性的多模态语义位置预测方法,该方法不仅融合了发表微博内容的用户的属性信息,而且对于真实的数据具有更好的普适性。最后通过实验说明了新模型对于真实数据的有效性,也说明了用户自身属性的重要性。其中,用户的属性包括用户的性别、年龄和兴趣偏好。