[发明专利]一种基于弱监督多模态深度学习的微博情感预测方法在审
申请号: | 201711493988.X | 申请日: | 2017-12-31 |
公开(公告)号: | CN108108849A | 公开(公告)日: | 2018-06-01 |
发明(设计)人: | 纪荣嵘;陈福海 | 申请(专利权)人: | 厦门大学 |
主分类号: | G06Q10/04 | 分类号: | G06Q10/04;G06Q50/00;G06F17/30;G06F17/27;G06N3/04 |
代理公司: | 厦门南强之路专利事务所(普通合伙) 35200 | 代理人: | 马应森 |
地址: | 361005 *** | 国省代码: | 福建;35 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 一种基于弱监督多模态深度学习的微博情感预测方法,涉及多模态情感分析领域。包括以下步骤:微博多模态数据预处理;多模态深度学习模型的弱监督训练;多模态深度学习模型的微博情感预测。解决了在微博多通道内容上的情感预测中存在的多模态判别表示和数据标签受限等问题,实现最终多模态的情感类别预测,实验评价标准为准确度,反映了预测的微博情感极性类别与事先标注的情感类别之间的一致程度。在性能上有较大的提升,考虑到多模态之间的关联性,因此在整体的多模态性能上取得最优的效果。在不同情感类别上都取得较为理想的分类效果。经过弱监督训练,使得文本和图像模态的初始模型在情感分类上效果有明显的提升。 | ||
搜索关键词: | 多模态 微博 预测 情感类别 监督 预处理 学习 多模态数据 初始模型 分类效果 情感分类 情感分析 情感极性 实验评价 数据标签 图像模态 准确度 多通道 关联性 受限 标注 文本 | ||
【主权项】:
1.一种基于弱监督多模态深度学习的微博情感预测方法,其特征在于包括以下步骤:步骤1微博多模态数据预处理;步骤2多模态深度学习模型的弱监督训练;步骤3多模态深度学习模型的微博情感预测。
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厦门大学,未经厦门大学许可,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/patent/201711493988.X/,转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06 计算;推算;计数
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法;其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政;管理
G06Q10-02 .预定,例如用于门票、服务或事件的
G06Q10-04 .预测或优化,例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理,例如组织、规划、调度或分配时间、人员或机器资源;企业规划;组织模型
G06Q10-08 .物流,例如仓储、装货、配送或运输;存货或库存管理,例如订货、采购或平衡订单
G06Q10-10 .办公自动化,例如电子邮件或群件的计算机辅助管理
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法;其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政;管理
G06Q10-02 .预定,例如用于门票、服务或事件的
G06Q10-04 .预测或优化,例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理,例如组织、规划、调度或分配时间、人员或机器资源;企业规划;组织模型
G06Q10-08 .物流,例如仓储、装货、配送或运输;存货或库存管理,例如订货、采购或平衡订单
G06Q10-10 .办公自动化,例如电子邮件或群件的计算机辅助管理