面向情感語義的圖像分類及語言描述方法研究
發(fā)布時間:2023-05-18 01:40
隨著互聯(lián)網(wǎng)的快速發(fā)展,社交網(wǎng)絡(luò)逐漸走向成熟,同時人們在社交平臺上發(fā)布的內(nèi)容包括了大量的情感信息,進(jìn)而對整個網(wǎng)絡(luò)環(huán)境及輿論傳播帶來了極大的影響。目前圖像的情感分析的研究還處于起步階段,其上下文信息和圖像細(xì)節(jié)信息對圖像情感分析具有重要的參考價值。同時深度學(xué)習(xí)方法的優(yōu)勢也為圖像情感分析問題提供了很好的技術(shù)基礎(chǔ),結(jié)合語言描述特征可以有效促進(jìn)圖像檢索的效率和準(zhǔn)確率。本文基于深度學(xué)習(xí)方法對圖像的情感分析與描述進(jìn)行了模型及算法的研究,具體內(nèi)容如下:針對傳統(tǒng)方法難以對相似情感做出良好檢測的問題,現(xiàn)提出了基于卷積神經(jīng)網(wǎng)絡(luò)的情感檢測模型。該模型以多目標(biāo)檢測與分類作為主要任務(wù),將每個樣本中的情感目標(biāo)做細(xì)化檢測,并通過加入每個情感類別的權(quán)重信息來重新構(gòu)建損失函數(shù),提高了相似情感的區(qū)分準(zhǔn)確性,并加入了旋轉(zhuǎn)檢測算法實現(xiàn)了對不規(guī)則情感目標(biāo)的精確檢測。最終設(shè)置了多個對照組實驗并驗證了模型的有效性。針對如何以語言描述的形式處理圖像情感表示問題,提出了面向多模態(tài)數(shù)據(jù)的情感語言模型,實現(xiàn)了圖像的帶有情感特色的語言描述。在結(jié)構(gòu)上,情感語言模型以多模態(tài)數(shù)據(jù)為輸入,整合了情感檢測模型并實現(xiàn)對情感目標(biāo)特征的提取,隨后在對齊網(wǎng)絡(luò)中實...
【文章頁數(shù)】:80 頁
【學(xué)位級別】:碩士
【文章目錄】:
致謝
摘要
ABSTRACT
1 引言
1.1 研究背景
1.2 研究目的與意義
1.3 主要研究工作
1.4 本文組織結(jié)構(gòu)
2 國內(nèi)外研究現(xiàn)狀及相關(guān)工作
2.1 情感分析研究現(xiàn)狀
2.1.1 文本情感分析現(xiàn)狀
2.1.2 圖像情感分析現(xiàn)狀
2.1.3 跨模態(tài)情感分析現(xiàn)狀
2.2 相關(guān)技術(shù)研究
2.2.1 目標(biāo)檢測算法
2.2.2 多任務(wù)深度學(xué)習(xí)
2.2.3 遷移學(xué)習(xí)算法
2.3 本章小結(jié)
3 目標(biāo)檢測算法在情感分析中的應(yīng)用
3.1 卷積神經(jīng)網(wǎng)絡(luò)
3.1.1 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
3.1.2 前向與反向傳播算法
3.2 旋轉(zhuǎn)多尺度檢測算法
3.3 情感檢測模型設(shè)計
3.3.1 模型設(shè)計
3.3.2 算法過程
3.3.3 算法收斂性
3.4 實驗及分析
3.4.1 數(shù)據(jù)準(zhǔn)備
3.4.2 實驗對比方法
3.4.3 實驗衡量指標(biāo)
3.4.4 實驗結(jié)果分析
3.5 本章小結(jié)
4 跨模態(tài)的情感語言模型研究與改進(jìn)
4.1 循環(huán)神經(jīng)網(wǎng)絡(luò)
4.1.1 循環(huán)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
4.1.2 長短時記憶結(jié)構(gòu)
4.2 多模態(tài)數(shù)據(jù)處理
4.2.1 文本表示與特征處理
4.2.2 跨模態(tài)數(shù)據(jù)融合
4.3 情感語言模型設(shè)計
4.3.1 模型設(shè)計
4.3.2 算法過程
4.3.3 算法收斂率
4.4 實驗及結(jié)果分析
4.4.1 數(shù)據(jù)準(zhǔn)備
4.4.2 實驗衡量指標(biāo)
4.4.3 實驗結(jié)果分析
4.5 本章小結(jié)
5 總結(jié)與展望
5.1 工作總結(jié)
5.2 工作展望
參考文獻(xiàn)
作者簡歷及攻讀碩士學(xué)位期間取得的研究成果
學(xué)位論文數(shù)據(jù)集
本文編號:3818416
【文章頁數(shù)】:80 頁
【學(xué)位級別】:碩士
【文章目錄】:
致謝
摘要
ABSTRACT
1 引言
1.1 研究背景
1.2 研究目的與意義
1.3 主要研究工作
1.4 本文組織結(jié)構(gòu)
2 國內(nèi)外研究現(xiàn)狀及相關(guān)工作
2.1 情感分析研究現(xiàn)狀
2.1.1 文本情感分析現(xiàn)狀
2.1.2 圖像情感分析現(xiàn)狀
2.1.3 跨模態(tài)情感分析現(xiàn)狀
2.2 相關(guān)技術(shù)研究
2.2.1 目標(biāo)檢測算法
2.2.2 多任務(wù)深度學(xué)習(xí)
2.2.3 遷移學(xué)習(xí)算法
2.3 本章小結(jié)
3 目標(biāo)檢測算法在情感分析中的應(yīng)用
3.1 卷積神經(jīng)網(wǎng)絡(luò)
3.1.1 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
3.1.2 前向與反向傳播算法
3.2 旋轉(zhuǎn)多尺度檢測算法
3.3 情感檢測模型設(shè)計
3.3.1 模型設(shè)計
3.3.2 算法過程
3.3.3 算法收斂性
3.4 實驗及分析
3.4.1 數(shù)據(jù)準(zhǔn)備
3.4.2 實驗對比方法
3.4.3 實驗衡量指標(biāo)
3.4.4 實驗結(jié)果分析
3.5 本章小結(jié)
4 跨模態(tài)的情感語言模型研究與改進(jìn)
4.1 循環(huán)神經(jīng)網(wǎng)絡(luò)
4.1.1 循環(huán)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
4.1.2 長短時記憶結(jié)構(gòu)
4.2 多模態(tài)數(shù)據(jù)處理
4.2.1 文本表示與特征處理
4.2.2 跨模態(tài)數(shù)據(jù)融合
4.3 情感語言模型設(shè)計
4.3.1 模型設(shè)計
4.3.2 算法過程
4.3.3 算法收斂率
4.4 實驗及結(jié)果分析
4.4.1 數(shù)據(jù)準(zhǔn)備
4.4.2 實驗衡量指標(biāo)
4.4.3 實驗結(jié)果分析
4.5 本章小結(jié)
5 總結(jié)與展望
5.1 工作總結(jié)
5.2 工作展望
參考文獻(xiàn)
作者簡歷及攻讀碩士學(xué)位期間取得的研究成果
學(xué)位論文數(shù)據(jù)集
本文編號:3818416
本文鏈接:http://sikaile.net/kejilunwen/zidonghuakongzhilunwen/3818416.html
最近更新
教材專著