[发明专利]一种基于自然语言处理的图文情感分析系统在审

专利信息
申请号: 202210833400.5 申请日: 2022-07-14
公开(公告)号: CN115410061A 公开(公告)日: 2022-11-29
发明(设计)人: 李琰 申请(专利权)人: 东北林业大学
主分类号: G06V10/80 分类号: G06V10/80;G06V10/82;G06V40/16;G10L25/63;G06V10/764;G06F40/30
代理公司: 重庆宏知亿知识产权代理事务所(特殊普通合伙) 50260 代理人: 陈康
地址: 150000 黑龙*** 国省代码: 黑龙江;23
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 自然语言 处理 图文 情感 分析 系统
【权利要求书】:

1.一种基于自然语言处理的图文情感分析系统,包括图文特征采集模块(1)、图文特征分析模块(2)、表情特征识别模块(3)、图片特征识别模块(4)、文本特征识别模块(5)、语音特征识别模块(6)与特征融合分析模块(7),其特征在于:所述图文特征采集模块(1)的输出端通过HUR信号连接图文特征分析模块(2),所述图文特征分析模块(2)包括表情特征识别模块(3)、图片特征识别模块(4)、文本特征识别模块(5)与语音特征识别模块(6),所述图文特征分析模块(2)的输出端通过HUR信号连接特征融合分析模块(7);

所述图文特征分析模块(2)包括图片特征接收单元(201)、表情特征接收单元(202)、文本特征接收单元(203)、语音特征接收单元(204)、图文特征数据库(205)与对应特征读取单元(206),所述图片特征接收单元(201)、表情特征接收单元(202)、文本特征接收单元(203)与语音特征接收单元(204)的输出端通过以太网信号连接图文特征数据库(205),所述图文特征数据库(205)的输出端通过HUR信号连接对应特征读取单元(206)。

2.根据权利要求1所述的一种基于自然语言处理的图文情感分析系统,其特征在于:所述图文特征采集模块(1)包括SVM数据采集单元(101)、图片特征采集单元(102)、表情特征采集单元(103)、文本特征采集单元(104)、语音特征采集单元(105)、特征除杂降噪单元(106)与特征分类输出单元(107),所述SVM数据采集单元(101)分别包括图片特征采集单元(102)、表情特征采集单元(103)、文本特征采集单元(104)与语音特征采集单元(105),所述SVM数据采集单元(101)的输出端口通过HUR信号连接特征除杂降噪单元(106),所述特征除杂降噪单元(106)的输出端口通过HUR信号连接特征分类输出单元(107)。

3.根据权利要求1所述的一种基于自然语言处理的图文情感分析系统,其特征在于:所述表情特征识别模块(3)包括人脸特征读取单元(301)、人脸特征曝光单元(302)、特征灰度均衡单元(303)、静态特征识别单元(304)、形变特征识别单元(305)、表情情感分级单元(306),所述人脸特征读取单元(301)的输入端通过以太网信号连接对应特征读取单元(206),所述人脸特征读取单元(301)的输出端通过HUR信号连接人脸特征曝光单元(302),所述人脸特征曝光单元(302)的输出端通过HUR信号连接特征灰度均衡单元(303),所述特征灰度均衡单元(303)的输出端通过HUR信号连接静态特征识别单元(304),所述静态特征识别单元(304)的输出端通过HUR信号连接形变特征识别单元(305),所述形变特征识别单元(305)的输出端通过HUR信号连接表情情感分级单元(306)。

4.根据权利要求1所述的一种基于自然语言处理的图文情感分析系统,其特征在于:所述图片特征识别模块(4)包括图片特征读取单元(401)、小波转换识别单元(402)、色彩特征识别单元(403)、线条特征识别单元(404)与图片情感分级单元(405),所述图片特征读取单元(401)的输入端通过以太网信号连接对应特征读取单元(206),所述图片特征读取单元(401)的输出端通过HUR信号连接小波转换识别单元(402),所述小波转换识别单元(402)的输出端通过HUR信号连接色彩特征识别单元(403),所述色彩特征识别单元(403)的输出端通过HUR信号连接线条特征识别单元(404),所述线条特征识别单元(404)的输出端通过HUR信号连接图片情感分级单元(405)。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于东北林业大学,未经东北林业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210833400.5/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top