[发明专利]一种基于自然语言处理的图文情感分析系统

说明书

本发明提供一种基于自然语言处理的图文情感分析系统，涉及图文情感分析技术领域。该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、图文特征分析模块、表情特征识别模块、图片特征识别模块、文本特征识别模块、语音特征识别模块与特征融合分析模块，所述图文特征采集模块的输出端通过HUR信号连接图文特征分析模块。通过特征除杂降噪单元对提取的特征进行语音降噪，文本错别字校正，图片阴影分离，从图文所包含的多个特征数据进行提取分析，提高情感分析的准确度，降低单一性，静态特征识别单元识别灰度均衡后的表情静态特征从而找寻到表情识别的中转点，解决图文表情识别需要面对大量表情特征的难点。

技术领域

本发明涉及图文情感分析技术领域，具体为一种基于自然语言处理的图文情感分析系统。

背景技术

近年来随着移动互联网的快速发展，越来越多的用户通过微博等各种社交媒体来表达自己的观点，发表对热点事件的评论，社交网络已经成为人们发表观点和抒发情绪的重要平台，它对社会诸多领域的介入和渗透与日剧增，社会影响力日益巨大，通过挖掘用户发表在社交网络上海量信息所蕴涵的情感将有助于舆情分析、个性化推荐等，我国对此方向也重视，在高校基本科研业务中开展了基于深度学习的网络中社会话题的立场识别研究。

在早期的情感研究中，主要研究的是较为单一的文本或者图像，采用的方法主要是传统的机器学习分类算法，例如：K近邻算法、支持向量机、最大熵分类器和贝叶斯分类器等，然而近年来，深度学习体现出较为优异的学习表现，越来越多的研究人员开始倾向使用深度神经网络来学习文本或者图像的特征表示，用于情感分类；但是具有单一模态信息量不足，并且容易受到其他因素干扰的问题，并且容易受到其他因素干扰的问题，表情含义复杂以及表情种类众多无法找到切合点的情况。

发明内容

针对现有技术的不足，本发明提供了一种基于自然语言处理的图文情感分析系统，解决了现有图文情感分析技术单一模态信息量不足以及容易受到其他因素干扰的问题。

为实现以上目的，本发明通过以下技术方案予以实现：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、图文特征分析模块、表情特征识别模块、图片特征识别模块、文本特征识别模块、语音特征识别模块与特征融合分析模块，所述图文特征采集模块的输出端通过HUR信号连接图文特征分析模块，所述图文特征分析模块包括表情特征识别模块、图片特征识别模块、文本特征识别模块与语音特征识别模块，所述图文特征分析模块的输出端通过HUR信号连接特征融合分析模块；

所述图文特征采集模块包括SVM数据采集单元、图片特征采集单元、表情特征采集单元、文本特征采集单元、语音特征采集单元、特征除杂降噪单元与特征分类输出单元，所述SVM数据采集单元分别包括图片特征采集单元、表情特征采集单元、文本特征采集单元与语音特征采集单元，所述SVM数据采集单元的输出端口通过HUR信号连接特征除杂降噪单元，所述特征除杂降噪单元的输出端口通过HUR信号连接特征分类输出单元。

优选的，所述图文特征采集模块包括SVM数据采集单元、图片特征采集单元、表情特征采集单元、文本特征采集单元、语音特征采集单元、特征除杂降噪单元与特征分类输出单元，所述SVM数据采集单元分别包括图片特征采集单元、表情特征采集单元、文本特征采集单元与语音特征采集单元，所述SVM数据采集单元的输出端口通过HUR信号连接特征除杂降噪单元，所述特征除杂降噪单元的输出端口通过HUR信号连接特征分类输出单元。

优选的，所述表情特征识别模块包括人脸特征读取单元、人脸特征曝光单元、特征灰度均衡单元、静态特征识别单元、形变特征识别单元、表情情感分级单元，所述人脸特征读取单元的输入端通过以太网信号连接对应特征读取单元，所述人脸特征读取单元的输出端通过HUR信号连接人脸特征曝光单元，所述人脸特征曝光单元的输出端通过HUR信号连接特征灰度均衡单元，所述特征灰度均衡单元的输出端通过HUR信号连接静态特征识别单元，所述静态特征识别单元的输出端通过HUR信号连接形变特征识别单元，所述形变特征识别单元的输出端通过HUR信号连接表情情感分级单元。