[发明专利]一种基于深度学习的图文融合微博情感分析方法

说明书

本发明公开了一种基于深度学习的图文融合微博情感分析方法，其特征在于，包括如下步骤：S1采集图文微博数据并进行预处理；S2提取图文微博文本情感特征；S3提取图文微博图片情感特征；S4进行图文融合微博情感分析。这种方法通过结合微博中的图片和文本，能更加准确地判断用户的情感倾向，能提高情感分析的准确率。

技术领域

本发明属于情感分析领域，特别是涉及一种基于深度学习的图文融合微博情感分析方法。

背景技术

随着网络技术的发展和移动设备的普及，人们与互联网的信息交互越来越频繁，各大社交网络平台的用户数量也不断增加，诸如新浪微博、Twitter和 Facebook等社交网络平台已经成为了人们发表观点和记录生活的重要工具。通过挖掘用户发表在社交平台上海量信息所蕴含的情感将有助于舆情分析、个性化推荐和个性化搜索，因此，微博情感分析研究对于学术界和工业界具有巨大的科研价值和应用价值。

现有的大多数情感分析研究主要以文本为主，然而用户在微博平台上发表的信息除了140字左右的短文本外，还包含了大量的符号表情、图片、语音和视频等多种形式的信息，这些不同形式的信息在情感分析中往往具有互补作用，充分地发挥这种互补作用，有时通过融合微博中多种形式的数据可以更加准确地判断用户的情感倾向。此外，目前的微博情感分析方法主要有基于情感词典的方法和基于机器学习的方法两种。基于情感词典的方法首先构建情感词典，然后根据新词与情感词典中词语的相似度来新词的情感极性，该方法受限于情感词典的覆盖面，尤其对于微博这样网络新词频现的社交媒体，更是难以应付；基于机器学习的方法主要采用SVM、K-means、NB等机器学习模型提取微博情感特征，然而由于微博的随意性和简短性，这些方法往往也效果不佳。

发明内容

本发明的目的是针对现有技术的不足，而提供一种基于深度学习的图文融合微博情感分析方法。这种方法通过结合微博中的图片和文本，能更加准确地判断用户的情感倾向，能提高情感分析的准确率。

实现本发明目的的技术方案是：

一种基于深度学习的图文融合微博情感分析方法，包括如下步骤：

S1采集图文微博数据并进行预处理：从微博上采集图文微博数据并进行预处理；

S2提取图文微博文本情感特征：采用双向长短期记忆神经网络(Bi-directionalLong Short-Term Memory，简称BLSTM)提取图文微博文本情感特征；

S3提取图文微博图片情感特征：采用卷积神经网络(Convolutional NeuralNetwork，简称CNN)提取图文微博图片情感特征；

S4进行图文融合微博情感分析：融合步骤S2得到的文本情感特征和步骤S3 得到的图片情感特征构建图文微博情感分类模型，进行图文融合微博情感分析。

步骤S1中所述的预处理包括：

S11：先采用网络爬虫采集微博数据、并进行过滤，只保留微博数据中的图文微博数据，然后采用人工标注的方式对图文微博进行情感标注，以此作为数据集；

S12：采用中文分词工具jieba对微博文本进行分词处理，并采用word2vec 工具在大规模语料上训练，将句子转化成对应的词向量矩阵，如果一条微博文本 s由n个词语构成，经分词处理之后可表示为s＝(w₁,w₂,w₃,…,w_n)，将每个词语w 表示为k维实数向量，则最终每条微博就表示为n×k的矩阵；

S13：将图文微博中每张微博图片都归一化为227像素×227像素大小的RGB 三通道图片。

步骤S2中所述的提取图文微博图片情感特征包括：