公开(公告)号：CN108764268A

公开(公告)日：2018-11-06

申请号：CN201810281663.3

申请日：2018-04-02

Applicant: 华南理工大学

Inventor： 梅登华 ,  戴立武

IPC: G06K9/62 ,  G06F17/30

CPC classification number: G06K9/6256

Abstract: 本发明公开了一种基于深度学习的图文多模态情感识别方法，包括如下步骤：(1)数据采集，利用Python Scrapy框架构建社交媒体网络爬虫，采集图文数据；(2)数据预处理，对数据采集步骤采集的中文文本和媒体进行预处理；(3)图文标注，用于对处理后的图文媒体进行标注；(4)图片特征提取，训练出cnn提取图片特征；(5)文本向量化，运用word2vec训练词向量；(6)模型训练,将标注后的图文媒体通过lstm神经网络模型进行训练。本发明构建一种多模态的情感分析模型，旨在充分利用当今媒体信息的特点，通过结合图片信息，更加充分的进行情感识别，提高了情感识别效果。

公开(公告)号：CN109299253A

公开(公告)日：2019-02-01

申请号：CN201811016921.1

申请日：2018-09-03

Applicant: 华南理工大学

Inventor： 梅登华 ,  戴立武

IPC: G06F16/35 ,  G06F17/27

Abstract: 本发明公开了一种基于深度融合神经网络的中文社交文本情绪识别模型构造方法，包括如下步骤：数据采集，利用Python Scrapy框架构建社交文本网络爬虫，采集图文数据；数据预处理，对数据采集模块采集的中文文本进行预处理；数据标注，用于对处理后的文本进行情绪标注；文本向量化，运用Word2Vec工具训练词向量；模型构建，设计融合BILSTM-CNN网络模型；模型训练,将标注后的文本通过BILSTM-CNN融合神经网络模型进行训练。本发明构建一种深度融合情绪分析模型，旨在充分利用深度神经网络模型的特征抽取能力，对中文情绪文本进行特征表达，并以此构造情绪多分类模型，提高自动化情绪多分类的准确率。