单词异常的识别
计算WT的相似度
利用这个相似度找到knn
k个近邻的标签补全或删除（也就是第二次降噪）（可以利用词频分析）
NLP相似度计算
NUS_WIDE数据库是计算机视觉领域常用的数据库，NUS_WIDE HomePage http://lms.comp.nus.edu.sg/research/NUS-WIDE.htm
下面介绍一下数据库制作方法：
打开上方超链接，
下载这几个文件，其中主要用到1， 2， 3；该数据库的主要信息官网上介绍的很详细，本人不再说明，打开Low_Level_Features文件夹，将下图所示的三个文件读取出；
三个文件分别对应269648张图片的特征，每个样本为500维的词袋视觉特征，BoW_Test_int 是按照官网上的划分的测试集， BoW_Train_int 是对应的训练集
打开tags文件夹，看到下图所示的三个文件，AllTags1k 对应269648张图片的文本特征，每个样本1000维的文本索引向量，读取出来并保存。
下面是最关键的步骤，索引的制作。AllLabels 文件夹下有81个文本文件，分别对应该类的索引，将81个文件读取出来做成369648*81的索引矩阵，其中做索引矩阵时尽量按照每类样本数量进行排序，数量最多的作为第一类，最少的作为最后一类。由于该数据库太大，参考相关文章，大部分都是用的前十类进行相关实验，前十类共有186577个样本，每一类的样本数如下图所示，，依照索引再分别取出对应的前十类的图像特征和文本特征，最后做出来的数据库图像、文本、索引大小分别为269648*500、269648*1000、269648*10。按照官网训练集和测试集的分类，原有的161789的训练集变为111810，原有的107859的测试集变为74767，样本的对应维度不变。