• <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)
    久久久久久国产a免费观看| 麻豆国产97在线/欧美| 国产色爽女视频免费观看| 国产久久久一区二区三区| 激情 狠狠 欧美| 国产女主播在线喷水免费视频网站 | 男女视频在线观看网站免费| 亚洲av中文av极速乱| 少妇的逼水好多| a级一级毛片免费在线观看| 久久久国产成人精品二区| 国产精品一区二区三区四区久久| 麻豆久久精品国产亚洲av| 91狼人影院| 免费看av在线观看网站| 国产一区二区在线av高清观看| 97热精品久久久久久| 国内精品美女久久久久久| 久久久久久久久中文| 最近2019中文字幕mv第一页| 噜噜噜噜噜久久久久久91| 国产不卡一卡二| 三级男女做爰猛烈吃奶摸视频| 午夜精品国产一区二区电影 | 18禁裸乳无遮挡免费网站照片| 久久久精品94久久精品| 亚洲精品日韩av片在线观看| 熟妇人妻久久中文字幕3abv| 校园春色视频在线观看| 欧美zozozo另类| www日本黄色视频网| 国产成人精品久久久久久| 伦精品一区二区三区| 校园春色视频在线观看| 亚洲国产色片| 毛片一级片免费看久久久久| 高清日韩中文字幕在线| 波多野结衣高清无吗| 日韩精品中文字幕看吧| 精品久久久噜噜| 久久精品夜色国产| av在线天堂中文字幕| 最好的美女福利视频网| 日韩成人伦理影院| 麻豆精品久久久久久蜜桃| 亚洲精品色激情综合| 免费在线观看影片大全网站| 久久久久国产网址| 午夜日韩欧美国产| 99热全是精品| 成人无遮挡网站| 搡老妇女老女人老熟妇| 变态另类丝袜制服| 欧美bdsm另类| 欧美三级亚洲精品| 日本一本二区三区精品| 国产真实乱freesex| 成人三级黄色视频| 国产又黄又爽又无遮挡在线| 亚洲欧美清纯卡通| 日韩欧美免费精品| 日韩精品青青久久久久久| 国产成人精品久久久久久| 日本黄大片高清| 永久网站在线| 两个人的视频大全免费| 亚洲中文字幕日韩| 三级国产精品欧美在线观看| 看十八女毛片水多多多| 欧美成人免费av一区二区三区| 禁无遮挡网站| 长腿黑丝高跟| 日日撸夜夜添| 久久久久久伊人网av| 久久精品国产亚洲av香蕉五月| 不卡一级毛片| 日韩精品中文字幕看吧| 赤兔流量卡办理| 欧美最黄视频在线播放免费| 老师上课跳d突然被开到最大视频| av卡一久久| 精品人妻视频免费看| 午夜福利高清视频| 国产高清视频在线播放一区| 在线观看av片永久免费下载| 日韩av不卡免费在线播放| 久久欧美精品欧美久久欧美| 久久久午夜欧美精品| 亚洲成人中文字幕在线播放| 18禁黄网站禁片免费观看直播| 51国产日韩欧美| 99在线人妻在线中文字幕| 国产精品国产三级国产av玫瑰| 久久久久久久午夜电影| АⅤ资源中文在线天堂| 97热精品久久久久久| 午夜精品国产一区二区电影 | 亚洲自偷自拍三级| 亚洲欧美成人综合另类久久久 | 噜噜噜噜噜久久久久久91| 亚洲最大成人av| 国产黄a三级三级三级人| 日韩欧美三级三区| 丰满乱子伦码专区| 最近视频中文字幕2019在线8| 日韩欧美精品v在线| 国产乱人视频| 婷婷色综合大香蕉| 少妇人妻一区二区三区视频| 亚洲成人久久性| 国产在线精品亚洲第一网站| 亚州av有码| 男人舔女人下体高潮全视频| 精品不卡国产一区二区三区| 精品久久久久久成人av| 韩国av在线不卡| 给我免费播放毛片高清在线观看| 亚洲精品影视一区二区三区av| 我要搜黄色片| 丰满的人妻完整版| 色在线成人网| 国产男靠女视频免费网站| 人妻夜夜爽99麻豆av| 在线天堂最新版资源| 国产亚洲精品av在线| 亚洲成av人片在线播放无| 日韩成人伦理影院| 国产探花极品一区二区| 免费一级毛片在线播放高清视频| 在线免费观看不下载黄p国产| 少妇熟女欧美另类| 一级av片app| 给我免费播放毛片高清在线观看| 午夜福利视频1000在线观看| 男人的好看免费观看在线视频| 18禁在线无遮挡免费观看视频 | 日韩成人av中文字幕在线观看 | 久久人妻av系列| 亚洲天堂国产精品一区在线| 天堂影院成人在线观看| 长腿黑丝高跟| 日本-黄色视频高清免费观看| 在线a可以看的网站| 欧美区成人在线视频| 国产极品精品免费视频能看的| 日韩一本色道免费dvd| 麻豆久久精品国产亚洲av| 中文字幕av成人在线电影| 人人妻,人人澡人人爽秒播| 久久久国产成人精品二区| 3wmmmm亚洲av在线观看| 寂寞人妻少妇视频99o| 精品一区二区三区人妻视频| 亚洲在线观看片| 春色校园在线视频观看| АⅤ资源中文在线天堂| 精品久久久久久久久亚洲| 深夜a级毛片| 久久精品国产自在天天线| 免费电影在线观看免费观看| 亚洲国产精品sss在线观看| 搡女人真爽免费视频火全软件 | 精品久久久噜噜| 少妇熟女aⅴ在线视频| 国产高清视频在线播放一区| 亚洲美女视频黄频| a级毛片a级免费在线| 91在线精品国自产拍蜜月| 久久精品国产亚洲网站| 麻豆一二三区av精品| 寂寞人妻少妇视频99o| 精品一区二区免费观看| 欧美一区二区国产精品久久精品| 毛片一级片免费看久久久久| 非洲黑人性xxxx精品又粗又长| 最近的中文字幕免费完整| 午夜福利成人在线免费观看| 亚洲,欧美,日韩| av福利片在线观看| 97碰自拍视频| av在线亚洲专区| 成年av动漫网址| 精品国内亚洲2022精品成人| 中文字幕久久专区| 免费av观看视频| 成人亚洲欧美一区二区av| 久久鲁丝午夜福利片| 最近视频中文字幕2019在线8| 97碰自拍视频| 村上凉子中文字幕在线| 热99在线观看视频| av免费在线看不卡| 久久国产乱子免费精品| www日本黄色视频网| av免费在线看不卡| 精品国产三级普通话版| 国产精品日韩av在线免费观看| 在线观看美女被高潮喷水网站| 俄罗斯特黄特色一大片| 99九九线精品视频在线观看视频| 色综合站精品国产| 日韩三级伦理在线观看| a级毛片a级免费在线| 少妇裸体淫交视频免费看高清| 美女内射精品一级片tv| 在线免费观看不下载黄p国产| 老师上课跳d突然被开到最大视频| 午夜久久久久精精品| 99久久成人亚洲精品观看| 青春草视频在线免费观看| 女的被弄到高潮叫床怎么办| 内地一区二区视频在线| 免费黄网站久久成人精品| 青春草视频在线免费观看| 免费av不卡在线播放| 久久精品人妻少妇| av国产免费在线观看| 日日撸夜夜添| 麻豆久久精品国产亚洲av| 国产精品综合久久久久久久免费| 97碰自拍视频| 一级a爱片免费观看的视频| 黑人高潮一二区| 久久亚洲精品不卡| 精品乱码久久久久久99久播| 高清日韩中文字幕在线| 看免费成人av毛片| 成年版毛片免费区| 久久久久国产网址| 免费人成在线观看视频色| 日本在线视频免费播放| 亚洲av成人精品一区久久| 久久亚洲国产成人精品v| 精品福利观看| 欧美+亚洲+日韩+国产| 3wmmmm亚洲av在线观看| 看非洲黑人一级黄片| 亚洲18禁久久av| 舔av片在线| 综合色丁香网| 97热精品久久久久久| 国产麻豆成人av免费视频| 亚洲精品456在线播放app| 国产精华一区二区三区| 麻豆精品久久久久久蜜桃| 亚洲欧美日韩高清专用| 可以在线观看的亚洲视频| 国内久久婷婷六月综合欲色啪| 一级毛片aaaaaa免费看小| 日韩大尺度精品在线看网址| 亚洲四区av| 日日撸夜夜添| avwww免费| 国产一区二区在线观看日韩| 亚洲美女黄片视频| 网址你懂的国产日韩在线| 国产精品乱码一区二三区的特点| 久久久久久久亚洲中文字幕| 亚洲国产精品久久男人天堂| 欧美成人精品欧美一级黄| 乱系列少妇在线播放| 亚洲成a人片在线一区二区| 久久久久性生活片| 简卡轻食公司| 夜夜夜夜夜久久久久| 成年av动漫网址| 久久久久精品国产欧美久久久| 久久久精品大字幕| 黄色欧美视频在线观看| 午夜精品一区二区三区免费看| 日日摸夜夜添夜夜添小说| 亚洲性久久影院| 亚洲成人av在线免费| 男人舔奶头视频| 婷婷色综合大香蕉| 亚洲美女视频黄频| 久久国产乱子免费精品| 色综合亚洲欧美另类图片| av天堂在线播放| 97碰自拍视频| 国产三级中文精品| 国产高清激情床上av| 亚洲自偷自拍三级| 亚洲av成人av| 欧美性猛交╳xxx乱大交人| 性色avwww在线观看| 桃色一区二区三区在线观看| 精品久久久久久久久久免费视频| 乱码一卡2卡4卡精品| 日日摸夜夜添夜夜添av毛片| 一个人看的www免费观看视频| 1000部很黄的大片| 菩萨蛮人人尽说江南好唐韦庄 | 免费在线观看影片大全网站| 村上凉子中文字幕在线| 国产蜜桃级精品一区二区三区| 精品午夜福利在线看| 舔av片在线| 18禁在线无遮挡免费观看视频 | 少妇的逼水好多| 精品少妇黑人巨大在线播放 | 久久久久久久久中文| 99久久精品国产国产毛片| 国模一区二区三区四区视频| 成人性生交大片免费视频hd| 日本黄色片子视频| 蜜桃亚洲精品一区二区三区| 亚洲第一电影网av| a级一级毛片免费在线观看| 成人一区二区视频在线观看| 免费一级毛片在线播放高清视频| 中国美白少妇内射xxxbb| 欧美绝顶高潮抽搐喷水| 亚洲一区二区三区色噜噜| 婷婷精品国产亚洲av在线| 久久久久久久久大av| 综合色av麻豆| 一级毛片我不卡| 久久久久性生活片| 久久久久久久久久久丰满| 久久亚洲国产成人精品v| 黄色日韩在线| 22中文网久久字幕| 成人三级黄色视频| 女生性感内裤真人,穿戴方法视频| 一级毛片电影观看 | 中文字幕熟女人妻在线| 少妇猛男粗大的猛烈进出视频 | 97超级碰碰碰精品色视频在线观看| 亚洲av电影不卡..在线观看| 成人一区二区视频在线观看| 内射极品少妇av片p| 女同久久另类99精品国产91| 永久网站在线| 无遮挡黄片免费观看| 丰满人妻一区二区三区视频av| 亚洲精品国产成人久久av| 女人十人毛片免费观看3o分钟| 最近2019中文字幕mv第一页| 国产精品久久电影中文字幕| 搡老熟女国产l中国老女人| 亚洲成人久久性| 九九久久精品国产亚洲av麻豆| 久久久久久大精品| 春色校园在线视频观看| 国产大屁股一区二区在线视频| 大香蕉久久网| 自拍偷自拍亚洲精品老妇| 天堂动漫精品| 亚洲精品久久国产高清桃花| 人妻久久中文字幕网| 亚洲精华国产精华液的使用体验 | av天堂中文字幕网| 国产成人91sexporn| 天天躁日日操中文字幕| 99热全是精品| 日韩在线高清观看一区二区三区| 身体一侧抽搐| 变态另类丝袜制服| 久久韩国三级中文字幕| 一个人观看的视频www高清免费观看| aaaaa片日本免费| 一级毛片久久久久久久久女| 中文字幕人妻熟人妻熟丝袜美| 熟妇人妻久久中文字幕3abv| 国产精品国产高清国产av| 久久欧美精品欧美久久欧美| 国产男人的电影天堂91| 国内精品宾馆在线| 欧美极品一区二区三区四区| 黄色一级大片看看| 婷婷色综合大香蕉| 毛片一级片免费看久久久久| 最近最新中文字幕大全电影3| 国内精品美女久久久久久| 有码 亚洲区| 午夜激情欧美在线| 中国美白少妇内射xxxbb| 欧美日韩在线观看h| 少妇猛男粗大的猛烈进出视频 | 看黄色毛片网站| 麻豆久久精品国产亚洲av| 国产黄a三级三级三级人| 成人性生交大片免费视频hd| 午夜免费男女啪啪视频观看 | 国产精品三级大全| 亚洲欧美中文字幕日韩二区| 波多野结衣巨乳人妻| 欧美日韩在线观看h| 欧美成人一区二区免费高清观看| 亚洲在线自拍视频| 在线观看av片永久免费下载| 亚洲最大成人av| 久久久国产成人精品二区| 日韩国内少妇激情av| 国产不卡一卡二| 美女cb高潮喷水在线观看| 在线国产一区二区在线| 亚洲激情五月婷婷啪啪| 狠狠狠狠99中文字幕| 中文在线观看免费www的网站| 国产精品久久久久久久电影| 精品久久国产蜜桃| 99久国产av精品| 亚洲中文字幕一区二区三区有码在线看| 国产精品爽爽va在线观看网站| 成人二区视频| 熟女电影av网| 听说在线观看完整版免费高清| 国产91av在线免费观看| 12—13女人毛片做爰片一| 成人午夜高清在线视频| 黄色欧美视频在线观看| 蜜臀久久99精品久久宅男| 免费观看人在逋| 午夜久久久久精精品| 日韩一本色道免费dvd| 嫩草影院新地址| 精品久久久久久成人av| 亚洲电影在线观看av| 成人国产麻豆网| 69av精品久久久久久| 久久精品国产鲁丝片午夜精品| 在线观看av片永久免费下载| or卡值多少钱| 淫妇啪啪啪对白视频| 婷婷色综合大香蕉| 97热精品久久久久久| 亚洲天堂国产精品一区在线| 一区二区三区高清视频在线| 国产私拍福利视频在线观看| 国模一区二区三区四区视频| 黄色欧美视频在线观看| av在线蜜桃| 超碰av人人做人人爽久久| 99久国产av精品| 国产视频一区二区在线看| 一级a爱片免费观看的视频| 18禁裸乳无遮挡免费网站照片| 亚洲人成网站在线观看播放| 久久热精品热| 99国产精品一区二区蜜桃av| 中文字幕人妻熟人妻熟丝袜美| 99久久久亚洲精品蜜臀av| 国产国拍精品亚洲av在线观看| 99热6这里只有精品| 欧美最新免费一区二区三区| 久久久久久国产a免费观看| 久久国内精品自在自线图片| 十八禁国产超污无遮挡网站| 一进一出抽搐gif免费好疼| 国产精品日韩av在线免费观看| 欧洲精品卡2卡3卡4卡5卡区| 波多野结衣巨乳人妻| 日韩人妻高清精品专区| 免费大片18禁| 亚洲人与动物交配视频| 又黄又爽又免费观看的视频| 男女边吃奶边做爰视频| 99热6这里只有精品| 插逼视频在线观看| 亚洲最大成人av| 国产精品一区二区免费欧美| 一区二区三区高清视频在线| 在线观看午夜福利视频| 午夜免费男女啪啪视频观看 | 日本黄色片子视频| 伊人久久精品亚洲午夜| 高清日韩中文字幕在线| 秋霞在线观看毛片| 国产伦在线观看视频一区| 国产精品免费一区二区三区在线| 亚洲人与动物交配视频| 插逼视频在线观看| or卡值多少钱| 丝袜喷水一区| 五月伊人婷婷丁香| 久久九九热精品免费| 国产精品人妻久久久久久| 香蕉av资源在线| 午夜福利成人在线免费观看| 国产欧美日韩一区二区精品| 亚洲,欧美,日韩| 亚洲av.av天堂| 一级黄片播放器| 变态另类成人亚洲欧美熟女| 18禁黄网站禁片免费观看直播| 亚洲欧美日韩卡通动漫| 精品久久久久久久人妻蜜臀av| 国产精品av视频在线免费观看| 欧美色视频一区免费| 尾随美女入室| 亚洲国产欧洲综合997久久,| 精品无人区乱码1区二区| 黄色一级大片看看| 国产蜜桃级精品一区二区三区| 久99久视频精品免费| 亚洲经典国产精华液单| 天堂√8在线中文| 国产精品久久电影中文字幕| 久久精品人妻少妇| 日日干狠狠操夜夜爽| 啦啦啦韩国在线观看视频| 99久久精品热视频| 韩国av在线不卡| 午夜精品一区二区三区免费看| 99久久九九国产精品国产免费| 深夜精品福利| 美女高潮的动态| 99久久久亚洲精品蜜臀av| 日日干狠狠操夜夜爽| 人人妻人人看人人澡| 男女做爰动态图高潮gif福利片| 色视频www国产| 国产老妇女一区| 亚洲国产欧美人成| 亚洲成人久久爱视频| 亚洲成人av在线免费| АⅤ资源中文在线天堂| 九九爱精品视频在线观看| 午夜福利在线在线| 日韩高清综合在线| 成人欧美大片| 久久久久久久久大av| 美女cb高潮喷水在线观看| 两性午夜刺激爽爽歪歪视频在线观看| 亚洲国产欧洲综合997久久,| 一级av片app| h日本视频在线播放| 中文字幕熟女人妻在线| 国产精品永久免费网站| 悠悠久久av| 男女之事视频高清在线观看| 日韩欧美国产在线观看| 亚洲电影在线观看av| 麻豆国产97在线/欧美| 国产v大片淫在线免费观看| 免费在线观看影片大全网站| 欧美激情在线99| 最近最新中文字幕大全电影3| 男女下面进入的视频免费午夜| 国产精华一区二区三区| 成人永久免费在线观看视频| 午夜福利18| 亚洲婷婷狠狠爱综合网| 国产精品不卡视频一区二区| 18禁黄网站禁片免费观看直播| 99热6这里只有精品| 成人亚洲欧美一区二区av| 亚洲18禁久久av| 亚洲图色成人| 人人妻,人人澡人人爽秒播| 亚洲精品国产av成人精品 | 欧美日本亚洲视频在线播放| 一本久久中文字幕| 国产精品国产高清国产av| 国产国拍精品亚洲av在线观看| 久久久国产成人精品二区| 女同久久另类99精品国产91| 男女之事视频高清在线观看| 中文字幕av在线有码专区| 99热只有精品国产| 麻豆精品久久久久久蜜桃| 亚洲丝袜综合中文字幕| 精品一区二区三区视频在线观看免费| 国产av不卡久久| 久久久a久久爽久久v久久| 久久精品国产自在天天线| 99热6这里只有精品| 搞女人的毛片| 黄色视频,在线免费观看| 国产综合懂色| 精品久久久久久久久亚洲| 男人的好看免费观看在线视频| 成人一区二区视频在线观看| 精品一区二区免费观看| 女人被狂操c到高潮| 国产午夜福利久久久久久| 久久精品综合一区二区三区| 免费看日本二区| 亚洲欧美精品自产自拍| 欧美zozozo另类| 成人永久免费在线观看视频| 国产精品人妻久久久影院| 亚洲不卡免费看| 日韩人妻高清精品专区| 91久久精品国产一区二区成人| 人妻久久中文字幕网| 精品一区二区三区人妻视频| 亚洲aⅴ乱码一区二区在线播放| 欧美日韩国产亚洲二区| 欧美日韩精品成人综合77777| 秋霞在线观看毛片| 亚洲国产日韩欧美精品在线观看| 99久久中文字幕三级久久日本| 精品欧美国产一区二区三| 插逼视频在线观看| 成人无遮挡网站| 精品久久久久久久久久久久久| 久久精品91蜜桃| 色综合站精品国产| av在线老鸭窝| 热99在线观看视频| 亚洲人成网站在线播| 婷婷色综合大香蕉| 一卡2卡三卡四卡精品乱码亚洲| 亚洲成人精品中文字幕电影| 在线免费观看不下载黄p国产| 日韩人妻高清精品专区| 亚洲四区av| 麻豆久久精品国产亚洲av| 国产亚洲精品久久久com| 色综合色国产| 日韩强制内射视频| 天堂av国产一区二区熟女人妻|