隨著社會化視頻的普及,許多新的視頻研究方法被相繼提出。彈幕數(shù)據(jù)是近年來較為流行的社會化視頻的產(chǎn)物,其與視頻時間同步的屬性相較于傳統(tǒng)的評論數(shù)據(jù)具備更精確的時間信息。本文以彈幕文本和視頻圖像為出發(fā)點,首先提取視頻情節(jié)主題,然后結(jié)合兩種模態(tài)數(shù)據(jù)進行視頻情感分析。本文的研究內(nèi)容包括兩方面。首先提出了基于概率圖模型的視頻情節(jié)主題檢測算法,目的在于能夠自動對視頻情節(jié)主題進行檢測,提取出每個情節(jié)的主題內(nèi)容。視頻情節(jié)主題檢測算法以彈幕文本作為輸入,得到視頻情節(jié)的主題信息,同時對切分好的情節(jié)輸出文本主題內(nèi)容。在視頻情節(jié)主題檢測的基礎(chǔ)之上,進行情節(jié)粒度下多模態(tài)的視頻情感分析。相較于對整部視頻的粗粒度情感分析,本文所提出的模型能夠針對每個情節(jié)給出情感極性分析結(jié)果。利用彈幕的文本模態(tài)以及時間片的圖像模態(tài)對影視劇進行多模態(tài)的視頻情感分析,以解決單模態(tài)下情感分析不準確的問題。情節(jié)主題檢測算法與多模態(tài)情感分析相結(jié)合,構(gòu)成本文所研究的主要內(nèi)容。本文主要分析的視頻為影視劇,根據(jù)不同類型的視頻進行了模型算法的驗證。實驗結(jié)果表明,基于改進概率圖模型的視頻情節(jié)主題檢測算法能夠?qū)σ徊恳曨l進行合理的切分,同時對切分后的時間片給出... 

【文章來源】：北京郵電大學北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：73 頁

【學位級別】：碩士

【部分圖文】：

圖１－１視頻中的彈幕評論示意圖??

ｍ?ｅ?［ｌ，Ａ／?］??圖２－１?ＬＤＡ概率圖結(jié)構(gòu)間??按照圖２－１的概率圖模型，確定一篇文檔中的一個詞語時，按照如下的步驟。??第一步、確定好當前要生成的文檔編號ｍ，然后針對這篇文檔逐一生成其所??包含的詞語。??第二步、根據(jù)ｐ矩陣，得到當前詞語所屬于的主題編號，＼？。??第三步、已知每個主題均是一個多項分布，選擇所對應的主題多項分布，??隨機產(chǎn)生概率詞語ｗ？，？，即生成了當前詞語。??在實際計算中，詞語是己經(jīng)觀測到的顯式變量，而主題編號是未知的隱式變??量。ＬＤＡ算法通常采用Ｇｉｂｂｓ?Ｓａｍｐｌｉｎｇ的方式［１２］，通過觀測到的顯式變量來反??向生成隱式變量。這樣當采樣收斂或達到最大迭代次數(shù)時，就可以確定每篇文檔??的主題分布了。??在概率圖模型中有兩個重要的參數(shù)分別是５和＾

一個時間單元產(chǎn)生影響［１４］。許多在線文檔應用，例如ｔｗｉｔｔｅｒ、微博等都具備動態(tài)??時間演進的特點。在視頻場景下，每個劇情都是隨著時間動態(tài)演進，因此該模型??對于本文的研究具有重要的參考意義。ＤＪＳＴ的概率圖模型如圖２－３所示。??８??

【參考文獻】：
期刊論文
[1]基于視頻的改進幀差法在車流量檢測中的應用[J]. 張玲,陳麗敏,何偉,郭磊民.  重慶大學學報(自然科學版). 2004(05)

碩士論文
[1]參與式文化背景下的媒介景觀變遷[D]. 鄭方圓.吉林大學 2016
[2]亞文化視角下的彈幕視頻研究[D]. 杜裕琳.重慶大學 2016



本文編號：3379481