公开(公告)号：CN107679580B

公开(公告)日：2020-12-01

申请号：CN201710989485.5

申请日：2017-10-21

Applicant: 桂林电子科技大学

Inventor： 蔡国永 ,  吕光瑞

IPC: G06K9/62 ,  G06N3/04

Abstract: 本发明提出了一种基于多模态深度潜在关联的异构迁移图像情感极性分析方法，包括如下步骤：1）构建初始情感图像数据集；将情感词汇对应的情感极性作为图像情感极性标签；2）清除初始情感图像数据集中的噪声数据；利用情感一致性判别方法和基于多模态深度卷积神经网络的概率采样模型去除噪声；3）构建基于多模态深度潜在关联的异构迁移模型；然后训练源领域文本和目标领域图像；4）构建多模态嵌入空间；将源领域文本的语义信息嵌入到目标领域图像中；5）训练图像情感极性分类器以进行图像情感极性分析。本方法可获得的数据规模大、人工成本低、数据噪声小、预测精度高、模型可解释性强及分类能力强，可以达到更好的图像情感极性分析效果。

公开(公告)号：CN107679580A

公开(公告)日：2018-02-09

申请号：CN201710989485.5

申请日：2017-10-21

Applicant: 桂林电子科技大学

Inventor： 蔡国永 ,  吕光瑞

IPC: G06K9/62 ,  G06N3/04

CPC classification number: G06K9/6256 ,  G06K9/6268 ,  G06N3/0454

Abstract: 本发明提出了一种基于多模态深度潜在关联的异构迁移图像情感极性分析方法，包括如下步骤：1）构建初始情感图像数据集；将情感词汇对应的情感极性作为图像情感极性标签；2）清除初始情感图像数据集中的噪声数据；利用情感一致性判别方法和基于多模态深度卷积神经网络的概率采样模型去除噪声；3）构建基于多模态深度潜在关联的异构迁移模型；然后训练源领域文本和目标领域图像；4）构建多模态嵌入空间；将源领域文本的语义信息嵌入到目标领域图像中；5）训练图像情感极性分类器以进行图像情感极性分析。本方法可获得的数据规模大、人工成本低、数据噪声小、预测精度高、模型可解释性强及分类能力强，可以达到更好的图像情感极性分析效果。