【技术实现步骤摘要】
本专利技术涉及情感分析，更具体的说，它涉及一种基于多模态资源的情感分析方法。
技术介绍
1、目前多模态情感分析现有的方法仅侧重于单一的模式，无法捕捉到多种模式的社交媒体内容。并且在多模态学习中，大多数工作都集中在简单地将这两种模式结合起来，而没有探讨它们之间复杂的相互关系，这导致了多模态情感分类性能达不到不满意的效果。文本模态在情感分析中占主导地位，因此使方面术语准确的关注到正确的意见词所表达的信息尤其重要。合理利用图像信息可以提升情感分析的性能，但图像中包含的噪声信息可能会导致错误的情感判断，因此需要提取图像中与方面词相关的信息，从而减轻噪声信息对情感分析的影响以提高任务的性能，对于细粒度多模态情感分析任务，现有的方法未能从多模态数据中充分提取与方面词相关的情感信息。在本专利技术中将语法信息引入到文本特征中以构建方面术语与意见词之间的关系，并提取图像中的细粒度信息构建出与完整场景信息以获取与方面词相关的图像信息，此外，现有方法中首先未能对齐图片区域和相关的方面词，粗粒度的整张图片和方面词的对齐引入了与方面词不相关的图像噪音，其次，这些...
【技术保护点】
1.一种基于多模态资源的情感分析方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于多模态资源的情感分析方法，其特征是：所述的预处理操作具体包括以下步骤：给予每组图文数据三个注释标记，遵循采用含有两个及以上相同标记的原则，去除少量无法辨别的数据项带来的干扰；对于同一组图文数据，将具有完全对立的标记排除，具有消积-中性的数据标记为消极，将具有积极-中性的数据标记为积极。
3.根据权利要求2所述的一种基于多模态资源的情感分析方法，其特征是：所述步骤三中构建由文本特征提取模块、文本图卷积模块、方面文本特征聚合模块串联组成的文本模态处理子...
【技术特征摘要】
1.一种基于多模态资源的情感分析方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于多模态资源的情感分析方法，其特征是：所述的预处理操作具体包括以下步骤：给予每组图文数据三个注释标记，遵循采用含有两个及以上相同标记的原则，去除少量无法辨别的数据项带来的干扰；对于同一组图文数据，将具有完全对立的标记排除，具有消积-中性的数据标记为消极，将具有积极-中性的数据标记为积极。
3.根据权利要求2所述的一种基于多模态资源的情感分析方法，其特征是：所述步骤三中构建由文本特征提取模块、文本图卷积模块、方面文本特征聚合模块串联组成的文本模态处理子网络，该子网络的输出向量维度为768；所述文本特征提取模块采用bert网络结构，所述文本图卷积模块由图卷积神经网络构成，该图卷积神经网络共有3层，所述方面文本特征聚合模块由1层平均池化实现。
4.根据权利要求1所述的一种基于多模态资源的情感分析方法，其特征是：所述通过语法解析树构建文本邻接矩阵指的是，利用依赖分析器获取依赖弧的概率矩阵，将相关联的词联系起来，便于方面词关注到正确的意见词所表达的信息，以捕获丰富的情感信息。
5.根据权利要求4所述的一种基于多模态资源的情感分析方法，其特征是：所述网络...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。