隨著互聯(lián)網(wǎng)的高速發(fā)展,社交平臺帶來多媒體數(shù)據(jù)不斷的增長。在互聯(lián)網(wǎng)的多媒體數(shù)據(jù)中,部分數(shù)據(jù)是帶有歧視性的,這些歧視情感經(jīng)過網(wǎng)絡(luò)平臺的傳播和擴散,有可能對個人與社會造成不同程度的負面影響,不利于個人的健康成長和社會的和諧穩(wěn)定。從數(shù)據(jù)媒介角度來說,這些歧視現(xiàn)象可以分為三類:語言歧視,圖像歧視及多模態(tài)歧視,其中多模態(tài)歧視檢測在社交媒體的內(nèi)容監(jiān)管中具有重要的意義。本文采用基于深度學習的方法對面向多模態(tài)高層語義的歧視情感檢測問題開展了研究工作。具體內(nèi)容如下:(1)針對多模態(tài)高層語義歧視情感的檢測和判定問題,分析構(gòu)成歧視問題的因素,對歧視現(xiàn)象進行分類,利用人工拍攝和爬蟲從網(wǎng)絡(luò)收集的數(shù)據(jù),建立面向歧視的多模態(tài)數(shù)據(jù)集。(2)針對以往歧視情感檢測模型對于不同模態(tài)特征對齊方式過于復雜的問題,提出本文的多模態(tài)特征對齊方法,實現(xiàn)圖像特征與文本特征更加細粒度的對齊方式,為此分別引入卷積神經(jīng)網(wǎng)絡(luò)和長短期記憶神經(jīng)網(wǎng)絡(luò)對圖像和文本特征進行高效地提取,并利用雙線性融合的方法對圖像和文本的特征進行語義對齊。(3)針對特征向量對于歧視情感的貢獻程度不同的問題,對不同模態(tài)的特征向量使用注意力機制得到多模態(tài)數(shù)據(jù)的聯(lián)合表示。在構(gòu)建...

【文章頁數(shù)】：57 頁

【學位級別】：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
    2.1 情感檢測研究現(xiàn)狀
        2.1.1 文本情感檢測現(xiàn)狀
        2.1.2 圖像情感檢測現(xiàn)狀
        2.1.3 多模態(tài)情感檢測現(xiàn)狀
    2.2 相關(guān)技術(shù)研究
        2.2.1 循環(huán)神經(jīng)網(wǎng)絡(luò)
        2.2.2 長短期記憶神經(jīng)網(wǎng)絡(luò)
        2.2.3 多模態(tài)融合
        2.2.4 多模態(tài)對齊
    2.3 本章小結(jié)
3 面向歧視的多模態(tài)數(shù)據(jù)集構(gòu)建
    3.1 現(xiàn)有的多模態(tài)情感數(shù)據(jù)集
    3.2 構(gòu)建面向歧視的多模態(tài)數(shù)據(jù)集
    3.3 本章小結(jié)
4 多模態(tài)歧視情感檢測
    4.1 多模態(tài)數(shù)據(jù)處理
        4.1.1 圖像特征處理
        4.1.2 文本特征處理
    4.2 面向歧視的多模態(tài)情感檢測模型
        4.2.1 模型設(shè)計
        4.2.2 算法過程
        4.2.3 算法收斂證明
    4.3 實驗及結(jié)果分析
        4.3.1 數(shù)據(jù)準備
        4.3.2 實驗評價指標
        4.3.3 實驗結(jié)果分析
    4.4 本章小結(jié)
5 結(jié)論
    5.1 工作總結(jié)
    5.2 工作展望
參考文獻
作者簡歷及攻讀碩士學位期間取得的研究成果
學位論文數(shù)據(jù)集



本文編號：3847543