面向微博的跨媒體情感分類技術研究.pdf

1、近年來，隨著微博的快速發(fā)展，面向微博的情感分析吸引了越來越多研究者的關注。廣大的網民會在微博上表達自己對社會熱點事件的觀點、電影的觀感、產品的使用感受等。對微博進行情感傾向性分析，可以幫助政府或公司了解網民對輿論熱點的態(tài)度，為公司和政府提供決策支持。
　　目前為止，大部分微博情感分析研究都只關注于如何對文本信息進行分析，但是微博用戶情感表達方式正逐漸轉變，從以往的文本為主到現在的圖文結合，基于文本信息的情感分析方法已經不足以很好的

2、獲取微博消息的情感極性。因此在文本信息的基礎上加入圖像信息來對微博情感進行分析，變得尤為迫切和重要。本文主要研究微博環(huán)境下圖像情感語義特征表示以及文本與圖像相融合的跨媒體情感分類問題，主要內容和創(chuàng)新點如下:
　　1.針對現有基于SentiBank的圖像情感特征ANP的檢測噪聲問題、區(qū)分度問題和情感話題相關性問題，本文提出了基于話題相關性模型的圖像情感語義特征表示。話題相關性模型充分利用微博中同一話題下圖像間的相關性和不同話題下圖像

3、間的差異性信息，對原始SentiBank特征進行選擇和優(yōu)化，一定程度上解決了ANP特征的檢測噪聲問題和ANP區(qū)分度問題，最終實驗驗證了基于話題相關性模型的圖像情感特征表示的有效性。該圖像情感語義特征的有效性使結合文本和圖像的跨媒體微博情感傾向性分析成為可能。
　　2.針對微博中短文本信息不足和用戶表達方式轉變的問題，本文提出了基于文本和圖像信息融合的情感傾向性分類模型。該模型在文本詞袋特征和圖像情感語義特征表示的基礎上，采用了特征