• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    一種基于圖文融合的跨模態(tài)社交媒體情感分析方法

    2019-06-07 15:08:13申自強(qiáng)
    軟件導(dǎo)刊 2019年1期
    關(guān)鍵詞:情感分析社交媒體

    申自強(qiáng)

    摘 要:情感分析是目前人工智能與社交媒體研究的熱門領(lǐng)域,具有重要的理論意義和實(shí)用價(jià)值。為了解決由于社交媒體具有隨意性、情感主觀性等特點(diǎn)造成文本與圖像之間的情感互斥問(wèn)題,提出一種基于圖文融合的跨模態(tài)社交媒體情感分析方法。該方法不僅可以學(xué)習(xí)到文本與圖像之間的情感互補(bǔ)特性,而且通過(guò)引入模態(tài)貢獻(xiàn)計(jì)算,可避免情感表達(dá)不一致問(wèn)題。在Veer和Weibo數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果顯示,相比于現(xiàn)有融合方法,采用該方法的情感分類準(zhǔn)確率平均提高了約4%?;趫D文融合的跨模態(tài)社交媒體情感分析方法能夠很好地處理模態(tài)間的情感互斥問(wèn)題,具有較強(qiáng)的情感識(shí)別能力。

    關(guān)鍵詞:社交媒體;情感分析;圖文融合;貢獻(xiàn)計(jì)算;跨模態(tài)

    DOI:10. 11907/rjdk. 181783

    中圖分類號(hào):TP301文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):1672-7800(2019)001-0009-05

    Abstract: Sentiment analysis is a hot field in artificial intelligence and social media research, which has a very important theoretical and practical value. In order to solve the problem of emotional mutual exclusion between texts and images caused by the randomness and emotional subjectivity of social media, a cross-modal social media sentiment analysis method based on the fusion of image and text is proposed. This method can not only learn the emotional complementarity between texts and images, but also avoid the problem of the inconsistency of emotional expression by introducing the modal contribution calculation. Experimental results on Veer and Weibo datasets show that this method is about 4% more accurate than the existing fusion methods. The cross-modal social media sentiment analysis method based on the fusion of image and text can deal with the problem of modal mutual emotional exclusion well, and has strong recognition ability.

    Key Words: social media; sentiment analysis; fusion of image and text; contribution calculation; cross-modal

    0 引言

    隨著互聯(lián)網(wǎng)的發(fā)展與普及,公眾參與社會(huì)活動(dòng)的機(jī)會(huì)也逐漸增加。如今人們不僅從網(wǎng)上獲取信息,而且積極參與信息傳播和輿論表達(dá),如QQ、微信、微博、百度貼吧、知乎等社交媒體已成為人們?nèi)粘I钪胁豢苫蛉钡囊徊糠?,也是互?lián)網(wǎng)信息傳播的重要途徑。每天,數(shù)以億計(jì)的人們?cè)谶@些社交媒體平臺(tái)上發(fā)布自己的心情、狀態(tài)、觀點(diǎn)及評(píng)價(jià)等數(shù)據(jù)信息[1]。對(duì)這些媒體數(shù)據(jù)進(jìn)行有效的情感分析可以幫助企業(yè)機(jī)構(gòu)掌握用戶對(duì)于某產(chǎn)品的評(píng)價(jià),了解公眾的情感與意見(jiàn)傾向,為產(chǎn)品改進(jìn)與商業(yè)決策提供科學(xué)依據(jù)[2]。此外,對(duì)于政府機(jī)關(guān),分析公眾在某個(gè)事件或重大熱點(diǎn)問(wèn)題上持有的態(tài)度有利于政府領(lǐng)導(dǎo)體察民情,從而及時(shí)、有效地進(jìn)行輿論引導(dǎo),積極主動(dòng)地預(yù)防各種突發(fā)事件和危機(jī)[3]。因此,對(duì)于社交媒體情感分析的研究具有重要意義。

    目前,對(duì)于社交媒體情感分析的研究大多集中在對(duì)文本數(shù)據(jù)的情感分析上,主要方法可分為兩類:基于詞典的方法與基于機(jī)器學(xué)習(xí)的方法?;谠~典的方法以情感詞典作為判斷情感傾向的主要依據(jù),同時(shí)兼顧語(yǔ)法結(jié)構(gòu),設(shè)計(jì)對(duì)應(yīng)的判別規(guī)則。陳國(guó)蘭[4]基于開源情感詞典與微博文本的語(yǔ)義規(guī)則特點(diǎn)提出微博文本的情感計(jì)算方法,對(duì)于微博情感分析具有較強(qiáng)的適應(yīng)性;李晨等[5]采用一種將情感詞典與語(yǔ)義規(guī)則相結(jié)合的情感關(guān)鍵句抽取方法,對(duì)段落內(nèi)的句子進(jìn)行情感分析?;谠~典的方法雖然操作簡(jiǎn)單,但其效果很大程度上取決于人工設(shè)計(jì)與先驗(yàn)知識(shí),適用范圍較窄?;跈C(jī)器學(xué)習(xí)方法的思路是首先采集一個(gè)規(guī)模龐大的訓(xùn)練集,由人工對(duì)文本樣本進(jìn)行情感標(biāo)簽標(biāo)注,然后從文本中提取特征,輸入到模型中進(jìn)行訓(xùn)練學(xué)習(xí),最后利用訓(xùn)練好的模型預(yù)測(cè)新文本的情感傾向;趙剛等[6]通過(guò)研究情感分析領(lǐng)域若干機(jī)器學(xué)習(xí)模型設(shè)計(jì)了餐飲領(lǐng)域網(wǎng)上評(píng)論情感分析模型,用于判斷客戶情感傾向;Giatsoglou等[7]提出一種快速、靈活、通用的情感檢測(cè)方法,其中文本文檔由向量表示,并采用機(jī)器學(xué)習(xí)方法進(jìn)行模型訓(xùn)練。此外,隨著社交媒體的多元化發(fā)展,人們?cè)谏缃幻襟w上已不滿足于僅采用文字形式發(fā)布自己的狀態(tài),而更傾向于采用文本與圖像相結(jié)合的方式表達(dá)情感。在情感分析中,圖像中往往蘊(yùn)含著用戶情感信息,與文本情感可起到互補(bǔ)作用。例如張耀文等[8]首先提取文本特征和圖像的顏色及紋理特征,然后將兩模態(tài)特征映射到同一特征空間里進(jìn)行情感類別預(yù)測(cè);蔡國(guó)永等[9]則利用卷積神經(jīng)網(wǎng)絡(luò)分別對(duì)文本和圖像特征進(jìn)行情感極性預(yù)測(cè),然后再將兩者結(jié)果進(jìn)行決策融合;羅杰波等[10]提出一種跨模態(tài)一致性回歸(Cross-modality Consistent Regression,CCR)模型用于圖文融合情感分析,其主要思想是對(duì)相關(guān)但不同的模態(tài)特征進(jìn)行一致性約束。這些方法主要集中于將兩種模態(tài)信息進(jìn)行融合,或?qū)煞N模態(tài)之間的相關(guān)性進(jìn)行學(xué)習(xí)融合,但均未考慮實(shí)際應(yīng)用中由于社交媒體的隨意性、情感主觀性等因素造成的文本和圖像之間的情感互斥問(wèn)題。針對(duì)該問(wèn)題,本文提出一種基于圖文融合的跨模態(tài)社交媒體情感分析方法,該方法不僅可以學(xué)習(xí)到不同模態(tài)之間共同的情感特征,還能對(duì)模態(tài)間的情感互斥問(wèn)題進(jìn)行分析處理。具體而言,在模型訓(xùn)練中,可通過(guò)計(jì)算每個(gè)模態(tài)對(duì)整體的貢獻(xiàn)判別最終情感傾向,從而避免情感表達(dá)不一致的問(wèn)題。

    1 社交媒體情感分析方法

    近年來(lái),隨著社交媒體的廣泛應(yīng)用,針對(duì)社交媒體的情感分析已成為研究熱點(diǎn)。其中,文本與圖像數(shù)據(jù)是社交媒體情感分析研究中兩種重要的模態(tài)數(shù)據(jù)。圖文融合社交媒體情感分析的一般過(guò)程可分為:文本與圖像情感特征提取、融合特征學(xué)習(xí)以及情感分類3個(gè)過(guò)程。

    1.1 情感特征提取

    文本的情感特征提取方法主要有兩種模型:傳統(tǒng)模型與深度學(xué)習(xí)模型。傳統(tǒng)模型一般是基于簡(jiǎn)單的統(tǒng)計(jì)學(xué)技術(shù),而深度模型則是基于神經(jīng)網(wǎng)絡(luò)技術(shù)。常用的傳統(tǒng)模型主要包括TF-IDF(Term Frequency-Inverse Document Frequency)、詞性標(biāo)注(Part-of-Speech Tagging)與N-gram模型。此外,一些研究還表明,通過(guò)對(duì)傳統(tǒng)文本特征提取方法進(jìn)行改進(jìn),可以獲得更好的結(jié)果。如Martineau等[11]使用正反兩個(gè)訓(xùn)練語(yǔ)料庫(kù)中TF-IDF分?jǐn)?shù)的差異衡量單詞,將評(píng)論分為正和負(fù),其實(shí)驗(yàn)結(jié)果顯示,采用Delta TF-IDF特征顯然比采用TF-IDF或單詞頻數(shù)特征效果更好;神經(jīng)概率語(yǔ)言模型是由Bengio等[12]基于神經(jīng)網(wǎng)絡(luò)思想創(chuàng)建而成的,學(xué)者們對(duì)其作了大量研究,目的是通過(guò)學(xué)習(xí)一種分布式詞向量表示,以對(duì)抗由于訓(xùn)練數(shù)據(jù)增大而產(chǎn)生的維數(shù)災(zāi)難問(wèn)題;Mikolov等[13]于2013提出兩個(gè)新模型CBOW和Skip-gram,用于學(xué)習(xí)大規(guī)模語(yǔ)料庫(kù)的詞向量特征表示。

    關(guān)于圖像情感特征的提取,一直以來(lái)都是圖片情感分析領(lǐng)域的研究熱點(diǎn)。圖像特征一般分為:低級(jí)特征、中級(jí)特征與高級(jí)特征。低級(jí)特征主要指顏色、形狀、線條、紋理、亮度等特征,中級(jí)特征一般指圖像中存在的對(duì)象、目標(biāo)等特征,而高級(jí)特征則是指行為、場(chǎng)景與情感等語(yǔ)義特征。顯然,圖像情感特征屬于高級(jí)語(yǔ)義特征。為了提取圖像情感特征,需要提取圖像相關(guān)特征后建立模型,以學(xué)習(xí)圖像本身與情感之間的情感鴻溝映射關(guān)系。例如,Mayank Amencherla等[14]通過(guò)心理學(xué)理論中色彩與情感之間的相關(guān)性對(duì)圖像中的色彩進(jìn)行檢測(cè)分析,用于圖像情感預(yù)測(cè);Stuti Jindal等[15]則是利用遷移學(xué)習(xí)與卷積神經(jīng)網(wǎng)絡(luò)方法建立圖像情感預(yù)測(cè)框架。

    1.2 融合方法

    在情感計(jì)算領(lǐng)域已有許多關(guān)于圖文融合情感分析的研究成果,其中大多集中于將兩種模態(tài)信息進(jìn)行融合,此外還有一些研究集中于對(duì)兩種模態(tài)之間的相關(guān)性進(jìn)行學(xué)習(xí)融合。其常用融合策略可分為3種:特征層融合、決策層融合以及一致性回歸融合。例如,林鴻飛等[16]利用Logistic回歸分別對(duì)文本與相關(guān)圖像進(jìn)行情感預(yù)測(cè),最后將兩個(gè)預(yù)測(cè)概率進(jìn)行加權(quán)平均,得出最終結(jié)果。無(wú)論是特征層融合還是決策層融合方法,都忽視了文本與圖像兩模態(tài)特征之間的相互關(guān)系,而一致性回歸融合則充分考慮了模態(tài)之間的相關(guān)性。

    一致性回歸融合模型的主要思想是認(rèn)為不同模態(tài)在描述同一事物時(shí)所表達(dá)的情感應(yīng)該是一致的[10]。在圖文融合社交媒體情感分析中,首先采用不同的特征提取方法分別對(duì)文本與圖像進(jìn)行特征提取,然后將兩模態(tài)串在一起作為初始融合特征,接著把文本和圖像特征以及初始融合特征輸入一致性回歸模型中進(jìn)行訓(xùn)練學(xué)習(xí),采用KL散度度量不同特征預(yù)測(cè)標(biāo)簽分布之間的相關(guān)性,最后將學(xué)習(xí)到的模型參數(shù)用于情感判斷。KL散度的計(jì)算公式其實(shí)是熵的變形計(jì)算,在原有概率分布p上,加入近似概率分布q,計(jì)算它們每個(gè)取值對(duì)應(yīng)的對(duì)數(shù)差,具體公式如下:

    其中,[Dkl(p||q)]的值越大,表明兩概率分布的差異性越大,反之表示差異性越小,差異相同時(shí)值為0。雖然一致性回歸融合模型可以很好地學(xué)習(xí)到不同模態(tài)間的一致性情感,但沒(méi)有考慮實(shí)際應(yīng)用中由于社交媒體的隨意性、情感主觀性等特點(diǎn)造成的模態(tài)間情感互斥問(wèn)題。

    2 跨模態(tài)社交媒體情感分析方法

    本文提出一種跨模態(tài)社交媒體情感分析方法(Cross-modal Social Media Sentiment Analysis Method,CSMSA),其完整框架如圖1所示,該框架分別由以下4個(gè)階段組成:數(shù)據(jù)輸入、特征提取、特征融合以及情感分類。首先利用CBOW和CNN提取文本與圖像特征,接著通過(guò)計(jì)算各模態(tài)對(duì)整體的貢獻(xiàn)選擇合適的融合策略,然后利用跨模態(tài)回歸模型訓(xùn)練學(xué)習(xí)模態(tài)之間的情感相關(guān)權(quán)重,最后通過(guò)訓(xùn)練好的分類器進(jìn)行情感分類。

    2.1 文本與圖像特征提取

    輸入樣本是指從微博、Veer社交媒體平臺(tái)抓取到的文本和圖像數(shù)據(jù),每個(gè)樣本被定義為[S(ti,vi)],[ti]、[vi]分別表示第[i]個(gè)樣本的文本和圖像。通過(guò)CBOW與CNN分別學(xué)習(xí)提取到文本及圖像的情感特征[Xt(xt1,xt2,?,xtm)]和[Xv(xv1,][xv2,?,xvn)],式中[m]、[n]分別代表文本與圖像特征的維度。

    2.2 模態(tài)特征融合

    對(duì)于文本和圖像的特征融合,本文通過(guò)計(jì)算每個(gè)模態(tài)對(duì)整體的貢獻(xiàn)選擇合適的模態(tài)融合策略。首先,采用[pθ(Xi)]表示輸入特征[Xi]在參數(shù)[θ]下的預(yù)測(cè)函數(shù),使用Sigmoid函數(shù)計(jì)算概率分布,公式如下:

    2.3 跨模態(tài)回歸模型訓(xùn)練

    經(jīng)過(guò)綜合考慮融合特征預(yù)測(cè)概率與真實(shí)標(biāo)簽之間的損失,以及圖文兩個(gè)特征分別與融合特征預(yù)測(cè)概率之間的損失構(gòu)建損失函數(shù),其公式為:

    3 實(shí)驗(yàn)及結(jié)果分析

    為了評(píng)估與驗(yàn)證所提方法的有效性,本文分別在Veer和Weibo兩個(gè)媒體數(shù)據(jù)庫(kù)上對(duì)幾種方法進(jìn)行對(duì)比實(shí)驗(yàn)。接下來(lái)將從實(shí)驗(yàn)數(shù)據(jù)庫(kù)、實(shí)驗(yàn)設(shè)置、結(jié)果分析以及可視化4個(gè)方面介紹具體實(shí)驗(yàn)過(guò)程。

    3.1 實(shí)驗(yàn)數(shù)據(jù)庫(kù)

    雖然從社交媒體平臺(tái)上可以輕松獲取到大量文本與圖像數(shù)據(jù),但公開的可用于實(shí)驗(yàn)研究,且?guī)в姓鎸?shí)情感標(biāo)簽的圖文數(shù)據(jù)樣本非常稀少。本文利用文獻(xiàn)[17]中的相關(guān)技術(shù)和思路建立了兩個(gè)圖文組合的情感分析數(shù)據(jù)庫(kù):Veer和Weibo,如表1所示。

    其中,Veer平臺(tái)可在線提供正版照片、插畫、矢量圖等優(yōu)質(zhì)圖像資料。首先通過(guò)平臺(tái)搜索功能,利用帶有積極與消極情感的關(guān)鍵詞進(jìn)行搜索,并下載對(duì)應(yīng)圖像,以及圖片描述與標(biāo)題數(shù)據(jù),即可獲得帶有弱標(biāo)簽的文本與圖片數(shù)據(jù)集;然后請(qǐng)3名專業(yè)研究生通過(guò)情感標(biāo)簽投票方式對(duì)這些弱標(biāo)簽數(shù)據(jù)進(jìn)行情感投票;最終保留情感票數(shù)統(tǒng)一的數(shù)據(jù)樣本。Veer數(shù)據(jù)庫(kù)總共包括8 650個(gè)積極樣本與8 674個(gè)消極樣本。對(duì)于Weibo數(shù)據(jù)庫(kù)的建立,首先利用爬蟲技術(shù)在Weibo平臺(tái)上采集大量文本與圖像數(shù)據(jù);然后通過(guò)張華平博士及其團(tuán)隊(duì)研發(fā)的NLPIR漢語(yǔ)分詞系統(tǒng)中的情感分析功能對(duì)文本情感進(jìn)行打分,即為這些數(shù)據(jù)加上弱標(biāo)簽;接下來(lái)選取并整合其中評(píng)分排名靠前的數(shù)據(jù),建立弱標(biāo)簽數(shù)據(jù)集;最后請(qǐng)3名專業(yè)研究生對(duì)這些弱標(biāo)簽數(shù)據(jù)進(jìn)行情感標(biāo)簽投票。Weibo數(shù)據(jù)庫(kù)總共包括4 572個(gè)積極樣本與4 415個(gè)消極樣本。

    3.2 實(shí)驗(yàn)設(shè)置

    實(shí)驗(yàn)分別采用CBOW和CNN對(duì)文本與圖像進(jìn)行特征提取。在文本特征提取中,設(shè)置詞向量維度為300,句子長(zhǎng)度為140,學(xué)習(xí)率為0.025;在圖像特征提取中,圖片初始化大小為227*227,卷積核個(gè)數(shù)為32個(gè),大小是11*11,Pooling層大小為2*2。此外,模型中超參數(shù)[γ]、[λ]的取值分別為1和3。

    3.3 實(shí)驗(yàn)結(jié)果分析

    (1)基于文本和圖像的單模態(tài)與多模態(tài)情感分類結(jié)果比較。表2展示了單模態(tài)的文本和圖像以及多模態(tài)圖文融合情感分類的結(jié)果比較。其中,對(duì)于單模態(tài),分別使用CNN和Logistics Regression對(duì)其進(jìn)行模型訓(xùn)練與分類[18-19]。由表2可以看出,文本模態(tài)的情感分析結(jié)果普遍高于圖像模態(tài)的情感分析結(jié)果,這是由社交媒體的特點(diǎn)決定的,雖然圖像也蘊(yùn)含發(fā)布者的情感,但其主觀性和隨意性較強(qiáng),因此僅從單一圖像模態(tài)預(yù)測(cè)發(fā)布者情感傾向的結(jié)果并不理想。圖文融合情感分類的結(jié)果高于單模態(tài)文本和圖像的情感分類結(jié)果,說(shuō)明本文所提方法可以有效結(jié)合文本和圖像兩個(gè)模態(tài)特性,在情感上進(jìn)行互補(bǔ),從而提高了情感分類效果。

    3.4 可視化

    圖2、圖3分別展示了本文提出模型在Veer和Weibo數(shù)據(jù)庫(kù)的分類結(jié)果中,排名靠前的部分消極與積極數(shù)據(jù)預(yù)測(cè)結(jié)果可視化圖,其中使用淺色矩形標(biāo)記消極樣本,深色矩形標(biāo)記積極樣本。從圖中可以清晰看出樣本的情感分類結(jié)果,消極圖像多與“哭”、“一個(gè)人”有關(guān),且色調(diào)偏灰暗,積極圖像則相反。其中,有些文本與圖像的分類結(jié)果相反,這是由于模態(tài)間的內(nèi)容差異以及社交媒體具有主觀性、隨意性等因素導(dǎo)致的,但根據(jù)各模態(tài)的貢獻(xiàn)度選擇合適的融合策略,可以在一定程度上提高識(shí)別準(zhǔn)確率。

    4 結(jié)語(yǔ)

    本文對(duì)社交媒體情感分析現(xiàn)狀進(jìn)行了研究,針對(duì)由于社交媒體具有隨意性、情感主觀性等特點(diǎn)造成文本與圖像之間的情感互斥問(wèn)題,提出一種基于圖文融合的跨模態(tài)社交媒體情感分析方法。其核心思想是在訓(xùn)練跨模態(tài)回歸模型時(shí),通過(guò)計(jì)算每個(gè)模態(tài)對(duì)整體的貢獻(xiàn)選擇合適的融合策略,從而避免情感表達(dá)不一致問(wèn)題。為了驗(yàn)證所提方法的有效性,分別在Veer和Weibo兩個(gè)社交媒體數(shù)據(jù)集上進(jìn)行對(duì)比實(shí)驗(yàn),結(jié)果表明,本文方法的情感分類準(zhǔn)確率優(yōu)于現(xiàn)有融合方法。此外,由于社交媒體數(shù)據(jù)過(guò)于隨意且不規(guī)范,單一模態(tài)的情感分析可能無(wú)法從中挖掘出足夠的信息。通過(guò)綜合考慮文本、圖像及音視頻等多種模態(tài)信息進(jìn)行分析,則可能有效地彌補(bǔ)單模態(tài)的缺陷。社交用戶的情感傾向也與個(gè)人性格、生活習(xí)慣、社交關(guān)系及周圍環(huán)境等因素有關(guān),在進(jìn)行情感分析的同時(shí),融入個(gè)性化分析也是一個(gè)重要研究方向。

    參考文獻(xiàn):

    [1] SEVERYN A,MOSCHITTI A. Twitter sentiment analysis with deep convolutional neural networks[C]. 38th Annual International ACM SIGIR Conference on Research and Development on Information Retrieval, 2015: 959-962.

    [2] 肖紅,許少華. 基于句法分析和情感詞典的網(wǎng)絡(luò)輿情傾向性分析研究[J]. 小型微型計(jì)算機(jī)系統(tǒng),2014,35(4): 811-813.

    [3] YANG Y. Research and realization of internet public opinion analysis based on improved TF-IDF algorithm [C]. Vienna: International Symposium on Distributed Computing and Applications to Business, Engineering and Science,2017.

    [4] 陳國(guó)蘭. 基于情感詞典與語(yǔ)義規(guī)則的微博情感分析[J]. 情報(bào)探索,2016(2):1-6.

    [5] 李晨,朱世偉,魏墨濟(jì),等. 基于詞典與規(guī)則的新聞文本情感傾向性分析[J]. 山東科學(xué),2017,30(1):115-121.

    [6] 趙剛,徐贊. 基于機(jī)器學(xué)習(xí)的商品評(píng)論情感分析模型研究[J]. 信息安全研究,2017,3(2):166-170.

    [7] GIATSOGLOU M,VOZALIS M G,DIAMANTARAS K,et al. Sentiment analysis leveraging emotions and word embeddings [J]. Expert Systems with Applications,2017,69:214-224.

    [8] ZHANG Y, LIN S, JIA X. Sentiment analysis on Microblogging by integrating text and image features[C]. Pacific-Asia Conference on Knowledge Discovery and Data Mining,2015: 52-63.

    [9] 蔡國(guó)永,夏彬彬. 基于卷積神經(jīng)網(wǎng)絡(luò)的圖文融合媒體情感預(yù)測(cè)[J]. 計(jì)算機(jī)應(yīng)用,2016,36(2): 428-431.

    [10] YOU Q,LUO J,JIN H,et al. Cross-modality consistent regression for joint visual-textual sentiment analysis of social multimedia[C]. San Francisco: ACM International Conference on Web Search and Data Mining, 2016.

    [11] MARTINEAU J,F(xiàn)ININ T. Delta TFIDF: an improved feature space for sentiment analysis[C]. California: International Conference on Weblogs and Social Media, 2009.

    [12] BENGIO Y, DUCHARME R, VINCENT P, et al. A neural probabilistic language model[J]. Journal of Machine Learning Research, 2003, 3: 1137-1155.

    [13] MIKOLOV T,CHEN K,CORRADO G,et al. Efficient estimation of word representations in vector space[J]. Computer Science,2013(1):1-12.

    [14] AMENCHERLA M,VARSHNEY L R. Color-based visual sentiment for social communication[C]. Taiwan: Information Theory,2017.

    [15] JINDAL S, SINGH S. Image sentiment analysis using deep convolutional neural networks with domain specific fine tuning[C]. International Conference on Information Processing,2015:447-451.

    [16] YU Y, LIN H, MENG J, et al. Visual and textual sentiment analysis of a Microblog using deep convolutional neural networks[J]. Algorithms, 2016, 9(2): 41.

    [17] CORCHS S, FERSINI E, GASPARINI F. Ensemble learning on visual and textual data for social image emotion classification[J]. International Journal of Machine Learning & Cybernetics,2017(4):1-14.

    [18] XIAO K, ZHANG Z, WU J. Chinese text sentiment analysis based on improved convolutional neural networks [C]. IEEE International Conference on Software Engineering and Service Science,2017: 922-926.

    [19] TRUONG Q T, LAUW H W. Visual sentiment analysis for review images with item-qriented and user-oriented CNN[C]. Mountain View: ACM on Multimedia Conference,2017:1274-1282.

    [20] CHEN F, JI R, SU J, et al. Predicting Microblog sentiments via weakly supervised multi-modal deep learning[J]. IEEE Transactions on Multimedia, 2017, 99: 1.

    [21] PORIA S, CAMBRIA E, HOWARD N, et al. Fusing audio, visual and textual clues for sentiment analysis from multimodal content[J]. Neurocomputing, 2016, 174: 50-59.

    猜你喜歡
    情感分析社交媒體
    基于語(yǔ)義的互聯(lián)網(wǎng)醫(yī)院評(píng)論文本情感分析及應(yīng)用
    基于雙向循環(huán)神經(jīng)網(wǎng)絡(luò)的評(píng)價(jià)對(duì)象抽取研究
    基于SVM的產(chǎn)品評(píng)論情感分析系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)
    基于詞典與機(jī)器學(xué)習(xí)的中文微博情感分析
    在線評(píng)論情感屬性的動(dòng)態(tài)變化
    社交媒體視域下弱勢(shì)群體輿情表達(dá)研究
    移動(dòng)互聯(lián)網(wǎng)時(shí)代用戶在線社交變遷及動(dòng)因分析
    知識(shí)零售變現(xiàn)模式的問(wèn)題與思考
    基于社交媒體的廣告學(xué)專業(yè)教學(xué)改革與實(shí)踐
    大學(xué)生社交媒體的使用特征、傳播趨向及其對(duì)高校傳播生態(tài)的挑戰(zhàn)
    久久精品国产清高在天天线| 亚洲专区国产一区二区| 国产免费男女视频| 两性午夜刺激爽爽歪歪视频在线观看 | 中文字幕人妻丝袜一区二区| 亚洲视频免费观看视频| 1024香蕉在线观看| 满18在线观看网站| 亚洲欧美激情综合另类| 看黄色毛片网站| 亚洲成人久久性| 亚洲,欧美精品.| 一夜夜www| 免费不卡黄色视频| 精品国产国语对白av| 超碰97精品在线观看| a级片在线免费高清观看视频| 人成视频在线观看免费观看| svipshipincom国产片| 欧美日韩瑟瑟在线播放| 日本 av在线| 国产精品自产拍在线观看55亚洲| 女人精品久久久久毛片| 亚洲va日本ⅴa欧美va伊人久久| 午夜精品国产一区二区电影| videosex国产| x7x7x7水蜜桃| 国产免费男女视频| 在线观看免费视频网站a站| 久久人妻熟女aⅴ| 国产片内射在线| 手机成人av网站| 好男人电影高清在线观看| 国产三级在线视频| 国产精品av久久久久免费| 免费女性裸体啪啪无遮挡网站| 视频区图区小说| 久久 成人 亚洲| 丝袜在线中文字幕| 亚洲av成人av| 午夜精品久久久久久毛片777| 国产精品一区二区免费欧美| 悠悠久久av| 男女床上黄色一级片免费看| 欧美色视频一区免费| 久9热在线精品视频| xxx96com| 日本免费一区二区三区高清不卡 | 欧美成狂野欧美在线观看| 国产aⅴ精品一区二区三区波| 久热爱精品视频在线9| 亚洲片人在线观看| 18美女黄网站色大片免费观看| 成人亚洲精品av一区二区 | 嫁个100分男人电影在线观看| 国产片内射在线| 国产精品亚洲一级av第二区| 欧美日本中文国产一区发布| 欧美日韩视频精品一区| av国产精品久久久久影院| 身体一侧抽搐| 日韩视频一区二区在线观看| 人妻久久中文字幕网| 色老头精品视频在线观看| 国产又色又爽无遮挡免费看| 嫁个100分男人电影在线观看| 精品第一国产精品| 国产成人欧美| 国产欧美日韩精品亚洲av| 久久午夜亚洲精品久久| 亚洲国产欧美网| 新久久久久国产一级毛片| 丝袜美腿诱惑在线| 可以免费在线观看a视频的电影网站| 亚洲va日本ⅴa欧美va伊人久久| 欧美在线黄色| 视频在线观看一区二区三区| 国产激情欧美一区二区| 亚洲 国产 在线| 久久久久久久午夜电影 | av欧美777| 一个人观看的视频www高清免费观看 | 免费不卡黄色视频| 国产精品一区二区精品视频观看| 亚洲熟妇中文字幕五十中出 | 亚洲美女黄片视频| 中国美女看黄片| av天堂久久9| 一区二区三区激情视频| 欧美黑人欧美精品刺激| 国产熟女午夜一区二区三区| 亚洲一区二区三区不卡视频| 两个人免费观看高清视频| 日韩人妻精品一区2区三区| 男女高潮啪啪啪动态图| 少妇粗大呻吟视频| 久久人妻福利社区极品人妻图片| 午夜成年电影在线免费观看| 999久久久精品免费观看国产| 长腿黑丝高跟| 国产区一区二久久| 亚洲专区国产一区二区| 亚洲中文av在线| 亚洲欧美激情综合另类| 欧美性长视频在线观看| 亚洲精品一二三| 欧美乱妇无乱码| 亚洲色图综合在线观看| 美女大奶头视频| 欧美在线一区亚洲| 久久影院123| 身体一侧抽搐| 国产黄a三级三级三级人| 这个男人来自地球电影免费观看| 亚洲欧美激情综合另类| 国产激情久久老熟女| 国产成人精品久久二区二区免费| 黑人巨大精品欧美一区二区mp4| 亚洲 国产 在线| 91成人精品电影| 免费av毛片视频| 国内毛片毛片毛片毛片毛片| 国产精品久久视频播放| 精品熟女少妇八av免费久了| 午夜成年电影在线免费观看| 一级毛片女人18水好多| av免费在线观看网站| 日韩成人在线观看一区二区三区| 男女下面插进去视频免费观看| √禁漫天堂资源中文www| 午夜两性在线视频| 久久中文字幕一级| 国产片内射在线| 老司机靠b影院| 久久久久久大精品| 老司机午夜福利在线观看视频| 欧美精品亚洲一区二区| 欧美黑人欧美精品刺激| 久久久国产成人精品二区 | 后天国语完整版免费观看| 色播在线永久视频| 80岁老熟妇乱子伦牲交| 国产麻豆69| 99国产精品一区二区三区| 亚洲视频免费观看视频| 女人精品久久久久毛片| 亚洲精品在线美女| 18禁美女被吸乳视频| 丰满人妻熟妇乱又伦精品不卡| 亚洲精品国产区一区二| 高清黄色对白视频在线免费看| 国产片内射在线| 国产高清视频在线播放一区| 国产伦人伦偷精品视频| 亚洲欧洲精品一区二区精品久久久| 久久久久久免费高清国产稀缺| 亚洲av日韩精品久久久久久密| 中文字幕色久视频| 日本a在线网址| 久久精品成人免费网站| 午夜久久久在线观看| a级毛片黄视频| 国产高清激情床上av| 中文字幕另类日韩欧美亚洲嫩草| 欧美丝袜亚洲另类 | 日韩精品免费视频一区二区三区| 欧美日韩一级在线毛片| 黄色成人免费大全| 国产免费现黄频在线看| 中文字幕最新亚洲高清| 97碰自拍视频| 欧美激情 高清一区二区三区| 中文字幕另类日韩欧美亚洲嫩草| 欧美另类亚洲清纯唯美| 正在播放国产对白刺激| 亚洲欧美日韩另类电影网站| 欧美激情 高清一区二区三区| 欧美成人性av电影在线观看| 久久久国产成人精品二区 | 深夜精品福利| 久久精品成人免费网站| av天堂久久9| 久久精品91蜜桃| av在线播放免费不卡| 老鸭窝网址在线观看| 亚洲男人的天堂狠狠| 欧美精品亚洲一区二区| 国产免费av片在线观看野外av| 午夜亚洲福利在线播放| 精品久久蜜臀av无| 欧美精品啪啪一区二区三区| 欧美成人午夜精品| 19禁男女啪啪无遮挡网站| 国产成人欧美在线观看| 欧美激情久久久久久爽电影 | 神马国产精品三级电影在线观看 | 国内毛片毛片毛片毛片毛片| 精品国产一区二区久久| xxxhd国产人妻xxx| 变态另类成人亚洲欧美熟女 | 欧美激情极品国产一区二区三区| 欧美日韩福利视频一区二区| 亚洲色图综合在线观看| 亚洲欧美精品综合久久99| 亚洲欧美日韩高清在线视频| 国产高清国产精品国产三级| 亚洲一区二区三区不卡视频| 欧美日韩亚洲高清精品| 国产精品二区激情视频| 超色免费av| 国产日韩一区二区三区精品不卡| 欧美日韩黄片免| 19禁男女啪啪无遮挡网站| 久久久久国内视频| 国产成人免费无遮挡视频| 欧美日韩黄片免| 88av欧美| 在线观看免费日韩欧美大片| 久久影院123| 日韩中文字幕欧美一区二区| 国产精品久久久av美女十八| 日韩三级视频一区二区三区| 男人的好看免费观看在线视频 | 欧美乱色亚洲激情| 99久久人妻综合| 国产精品九九99| 国产伦人伦偷精品视频| 热99re8久久精品国产| 淫妇啪啪啪对白视频| 999精品在线视频| 1024香蕉在线观看| 欧美成人性av电影在线观看| 99在线视频只有这里精品首页| 伦理电影免费视频| 老司机亚洲免费影院| 国产亚洲精品第一综合不卡| 欧美日韩亚洲综合一区二区三区_| av片东京热男人的天堂| 啦啦啦在线免费观看视频4| 一边摸一边做爽爽视频免费| 久久中文看片网| 成人手机av| 成熟少妇高潮喷水视频| 日韩国内少妇激情av| av中文乱码字幕在线| 国产一区二区三区在线臀色熟女 | 国产成人欧美| 中文字幕人妻丝袜一区二区| 最近最新中文字幕大全免费视频| 亚洲成人免费av在线播放| 天堂√8在线中文| 欧美人与性动交α欧美精品济南到| 精品国产乱子伦一区二区三区| 亚洲三区欧美一区| 88av欧美| 久久亚洲真实| xxx96com| 精品国产超薄肉色丝袜足j| 日本黄色日本黄色录像| 国产国语露脸激情在线看| 91老司机精品| 欧美一区二区精品小视频在线| 欧美日本中文国产一区发布| 午夜老司机福利片| 我的亚洲天堂| 老汉色∧v一级毛片| 免费在线观看完整版高清| 香蕉国产在线看| 热re99久久国产66热| 天天躁狠狠躁夜夜躁狠狠躁| aaaaa片日本免费| 亚洲精品国产区一区二| 国产精华一区二区三区| 少妇 在线观看| 淫秽高清视频在线观看| 性欧美人与动物交配| 国产精品日韩av在线免费观看 | 久久婷婷成人综合色麻豆| 两个人免费观看高清视频| 99香蕉大伊视频| 一边摸一边抽搐一进一出视频| 亚洲熟妇中文字幕五十中出 | 精品久久久久久,| 又大又爽又粗| 亚洲午夜理论影院| 亚洲成人精品中文字幕电影 | 日韩大尺度精品在线看网址 | 国产主播在线观看一区二区| 午夜福利在线观看吧| 日本vs欧美在线观看视频| 欧美精品啪啪一区二区三区| 日韩欧美一区视频在线观看| www.www免费av| 精品一区二区三区av网在线观看| a级毛片黄视频| 亚洲国产看品久久| videosex国产| 国产成人啪精品午夜网站| 成年版毛片免费区| 亚洲熟妇中文字幕五十中出 | 亚洲中文字幕日韩| 亚洲精品美女久久久久99蜜臀| 欧美成狂野欧美在线观看| 亚洲情色 制服丝袜| 国产亚洲精品久久久久久毛片| av视频免费观看在线观看| 波多野结衣一区麻豆| 亚洲欧洲精品一区二区精品久久久| 老熟妇乱子伦视频在线观看| 色在线成人网| 亚洲av成人av| 女警被强在线播放| 一区二区三区国产精品乱码| 欧美日韩亚洲高清精品| 少妇裸体淫交视频免费看高清 | 新久久久久国产一级毛片| 日韩有码中文字幕| 国产精品综合久久久久久久免费 | 国产区一区二久久| 欧美日本亚洲视频在线播放| 欧美黄色淫秽网站| 亚洲成人精品中文字幕电影 | 每晚都被弄得嗷嗷叫到高潮| 亚洲人成电影观看| 成人特级黄色片久久久久久久| 国产精品久久视频播放| 亚洲五月色婷婷综合| 欧美成人性av电影在线观看| 色老头精品视频在线观看| 51午夜福利影视在线观看| 亚洲一区二区三区不卡视频| 国产亚洲精品久久久久5区| 亚洲欧美一区二区三区久久| 欧美日韩亚洲综合一区二区三区_| 中文字幕高清在线视频| 嫩草影院精品99| 国产精品野战在线观看 | 高清欧美精品videossex| 一个人免费在线观看的高清视频| 色综合婷婷激情| 亚洲熟妇熟女久久| 看片在线看免费视频| 亚洲精品美女久久久久99蜜臀| 久久久久久久久免费视频了| 国产成年人精品一区二区 | 午夜福利免费观看在线| netflix在线观看网站| 五月开心婷婷网| 亚洲精品av麻豆狂野| 中文字幕人妻丝袜一区二区| 99精品在免费线老司机午夜| 视频区欧美日本亚洲| 国产成人免费无遮挡视频| 19禁男女啪啪无遮挡网站| 久久青草综合色| 99国产精品免费福利视频| 久久国产精品人妻蜜桃| 国产精品一区二区三区四区久久 | 欧美日韩视频精品一区| 国产高清视频在线播放一区| 精品国产一区二区久久| 午夜影院日韩av| 最新在线观看一区二区三区| 欧美av亚洲av综合av国产av| 99久久综合精品五月天人人| 精品人妻在线不人妻| 国产精品 欧美亚洲| 久久精品国产亚洲av香蕉五月| 校园春色视频在线观看| 一区二区日韩欧美中文字幕| 国产精品永久免费网站| 午夜福利,免费看| 亚洲情色 制服丝袜| 久久国产精品男人的天堂亚洲| 少妇裸体淫交视频免费看高清 | 精品福利观看| 国产欧美日韩精品亚洲av| 亚洲成国产人片在线观看| 成人特级黄色片久久久久久久| 黄色视频,在线免费观看| 人人澡人人妻人| 波多野结衣av一区二区av| 欧美成狂野欧美在线观看| 中文字幕精品免费在线观看视频| 1024香蕉在线观看| 操出白浆在线播放| 亚洲国产精品合色在线| 午夜福利,免费看| 午夜老司机福利片| 在线十欧美十亚洲十日本专区| 在线永久观看黄色视频| 亚洲人成伊人成综合网2020| 欧美人与性动交α欧美软件| 18禁国产床啪视频网站| 十分钟在线观看高清视频www| 国产99白浆流出| 男女之事视频高清在线观看| 我的亚洲天堂| 国产精品久久久av美女十八| 久久久国产成人免费| 岛国在线观看网站| 十八禁网站免费在线| 久久人人爽av亚洲精品天堂| av有码第一页| 咕卡用的链子| 69av精品久久久久久| 黄色成人免费大全| 制服诱惑二区| 国产精品影院久久| 色综合欧美亚洲国产小说| 日本 av在线| 成人18禁在线播放| 91精品三级在线观看| 久久 成人 亚洲| 国产精品自产拍在线观看55亚洲| www日本在线高清视频| 男女下面插进去视频免费观看| 水蜜桃什么品种好| 中文欧美无线码| 国产成人欧美| av福利片在线| 精品一区二区三区视频在线观看免费 | 一级,二级,三级黄色视频| 黑人巨大精品欧美一区二区mp4| 久久九九热精品免费| 亚洲国产欧美日韩在线播放| 两人在一起打扑克的视频| 亚洲熟女毛片儿| 久9热在线精品视频| 自线自在国产av| 久久久久久亚洲精品国产蜜桃av| 亚洲国产看品久久| 欧美久久黑人一区二区| 久久精品人人爽人人爽视色| 欧美性长视频在线观看| 日韩大码丰满熟妇| 国产高清视频在线播放一区| 国产精品亚洲av一区麻豆| 亚洲国产看品久久| 国产在线精品亚洲第一网站| 日本黄色日本黄色录像| 91在线观看av| cao死你这个sao货| 国产无遮挡羞羞视频在线观看| 国产精品 国内视频| 亚洲国产精品合色在线| 免费女性裸体啪啪无遮挡网站| 看片在线看免费视频| 久久精品影院6| 久久国产精品人妻蜜桃| 一区福利在线观看| 色婷婷av一区二区三区视频| 99久久久亚洲精品蜜臀av| www.www免费av| 777久久人妻少妇嫩草av网站| 18禁美女被吸乳视频| 国产亚洲精品一区二区www| 欧美亚洲日本最大视频资源| 免费高清在线观看日韩| 亚洲精品av麻豆狂野| 亚洲久久久国产精品| 国产激情久久老熟女| 天天躁狠狠躁夜夜躁狠狠躁| 免费不卡黄色视频| 亚洲美女黄片视频| 高清在线国产一区| 国产三级黄色录像| 久久久久国产精品人妻aⅴ院| 99riav亚洲国产免费| 一进一出抽搐gif免费好疼 | 男女做爰动态图高潮gif福利片 | 欧美性长视频在线观看| 久久久久九九精品影院| 自线自在国产av| 精品日产1卡2卡| 国产一卡二卡三卡精品| 午夜日韩欧美国产| 久久久久久久久久久久大奶| 999精品在线视频| e午夜精品久久久久久久| 一区二区日韩欧美中文字幕| 可以在线观看毛片的网站| 91av网站免费观看| 亚洲熟女毛片儿| 三级毛片av免费| 午夜福利欧美成人| 人妻丰满熟妇av一区二区三区| 成在线人永久免费视频| 午夜激情av网站| 一区在线观看完整版| 新久久久久国产一级毛片| 久久伊人香网站| 亚洲熟妇熟女久久| www日本在线高清视频| 久久精品亚洲av国产电影网| 涩涩av久久男人的天堂| 国产精品一区二区在线不卡| 亚洲狠狠婷婷综合久久图片| 侵犯人妻中文字幕一二三四区| 国产熟女午夜一区二区三区| 婷婷精品国产亚洲av在线| 日韩欧美在线二视频| 一二三四社区在线视频社区8| 亚洲专区字幕在线| 中文字幕人妻丝袜制服| 久久精品亚洲精品国产色婷小说| 少妇裸体淫交视频免费看高清 | 亚洲一码二码三码区别大吗| 欧美亚洲日本最大视频资源| 老司机午夜福利在线观看视频| 午夜福利,免费看| 欧美乱码精品一区二区三区| 国产成人影院久久av| 神马国产精品三级电影在线观看 | videosex国产| 九色亚洲精品在线播放| 日本一区二区免费在线视频| 亚洲片人在线观看| 国产激情欧美一区二区| cao死你这个sao货| 日本免费一区二区三区高清不卡 | 在线观看66精品国产| bbb黄色大片| 欧美黑人精品巨大| 精品高清国产在线一区| 国产精品久久视频播放| 国产精品影院久久| 中文字幕最新亚洲高清| 俄罗斯特黄特色一大片| 天堂俺去俺来也www色官网| 亚洲免费av在线视频| 欧美激情 高清一区二区三区| 欧美乱码精品一区二区三区| 大香蕉久久成人网| 在线视频色国产色| 怎么达到女性高潮| 最近最新中文字幕大全免费视频| 国产高清视频在线播放一区| 午夜久久久在线观看| 欧美日韩中文字幕国产精品一区二区三区 | 91精品国产国语对白视频| 夜夜爽天天搞| 999久久久国产精品视频| 三级毛片av免费| 涩涩av久久男人的天堂| 亚洲人成伊人成综合网2020| 欧美日本亚洲视频在线播放| 两人在一起打扑克的视频| 精品人妻1区二区| 首页视频小说图片口味搜索| 亚洲成人精品中文字幕电影 | 久久久久久人人人人人| 一级片'在线观看视频| 国产午夜精品久久久久久| 老司机在亚洲福利影院| 国产麻豆69| 在线永久观看黄色视频| 搡老熟女国产l中国老女人| 国产精华一区二区三区| 亚洲第一av免费看| 中文字幕av电影在线播放| av超薄肉色丝袜交足视频| 伊人久久大香线蕉亚洲五| 国产人伦9x9x在线观看| 免费观看人在逋| 丝袜在线中文字幕| www.精华液| 亚洲av电影在线进入| 亚洲三区欧美一区| 中出人妻视频一区二区| 亚洲精品国产精品久久久不卡| 欧美精品亚洲一区二区| 免费不卡黄色视频| 日本精品一区二区三区蜜桃| 国产精品国产高清国产av| 三级毛片av免费| 欧美老熟妇乱子伦牲交| 国产精品乱码一区二三区的特点 | 一级毛片高清免费大全| 99riav亚洲国产免费| 亚洲国产毛片av蜜桃av| 亚洲精品av麻豆狂野| 18美女黄网站色大片免费观看| 国产亚洲精品第一综合不卡| 黄色怎么调成土黄色| 久久亚洲真实| 男女午夜视频在线观看| 人妻丰满熟妇av一区二区三区| 夜夜爽天天搞| 国产亚洲精品第一综合不卡| 看免费av毛片| 麻豆av在线久日| 亚洲欧美日韩无卡精品| 精品国内亚洲2022精品成人| 久久精品91无色码中文字幕| 亚洲成人精品中文字幕电影 | 精品乱码久久久久久99久播| 色婷婷久久久亚洲欧美| 精品一区二区三区四区五区乱码| 岛国视频午夜一区免费看| 欧美激情久久久久久爽电影 | 久久精品亚洲精品国产色婷小说| 亚洲一卡2卡3卡4卡5卡精品中文| 少妇被粗大的猛进出69影院| 美国免费a级毛片| 午夜精品久久久久久毛片777| 婷婷六月久久综合丁香| 欧美乱码精品一区二区三区| 久久香蕉激情| 91麻豆精品激情在线观看国产 | 在线观看免费日韩欧美大片| 久久国产精品男人的天堂亚洲| 国产成人精品久久二区二区免费| 两性夫妻黄色片| 日本欧美视频一区|