[发明专利]一种基于情感对的GIF动画情感识别方法

说明书

一种基于情感对的GIF动画情感识别方法，涉及动画情感识别。包括以下步骤：(1)训练情感对序列检测子；(2)训练中层表示到情感倾向的分类器。提出了基于GIF动画情感识别方法，相对于基于静态图片的情感识别方法更具有挑战性，并且解决了底层特征不匹配的问题和词与词之间关系扁平的问题。解决了GIF动画情感识别问题，相比目前的基于底层特征的情感识别方法，识别准确率更高。可以应用于微博情感识别领域。相对于基于静态图片的情感识别方法更具有挑战性，并且解决了底层特征不匹配的问题和词与词之间关系扁平的问题。

技术领域

本发明涉及动画情感识别，尤其是涉及一种基于情感对的GIF动画情感识别方法。

背景技术

“情感对”是一种我们提出的情感中层特征表示方法。GIF图片是社交网络上常见的动画形式。情感识别指的是用计算机算法来识别物体情感倾向的过程，常见的情感倾向有三种：积极、中性和消极。

对社交网络上的内容进行情感识别可以分析用户的情感倾向。根据内容的性质不同可以分为文本情感识别，静态图像情感识别和GIF动画情感识别三个领域。文本情感识别采用情感词和语言模型。流行的静态图像情感识别方法采用基于ANP的中层特征表示。

目前与本发明最相近的技术方案是基于SentiBank的静态图片的情感识别。在国际会议ACM MM论文Large-scale visual sentiment ontology and detectors usingadjective noun pairs中Borth等人提出了一个视觉情感分类器的集合SentiBank，这个分类器集合构成了一个视觉情感的中层表示。基于SentiBank的方案首先从Flickr的标签数据中提取形容词和名词，将这些形容词和名词组成形容词名词对(ANP)。将这些形容词名词对在YouTube中搜索，剔除不合理的形容词和名词对。之后将这些ANP作为搜索词在Google图片搜索中搜索相关词，作为训练数据集，训练对应ANP的检测器。检测器的模型是SVM.使用的特征是五种底层特征的拼接。

现有技术的主要缺点是不适用于GIF动画的情感识别问题。这种不适用主要体现在：

1.所采用的底层特征不能直接用于GIF动画。现有技术采用的是静态图片底层的特征，不适用于GIF动画。

2.现有方法形成的中层表示不能用于GIF动画。现有方法的中层表示是形容词名词对(ANP)的形式。其中的形容词和名词取材于静态图片的社交网络Flickr.这些词不一定能表达GIF动画的情感。ANP本身对动作的表示能力弱。也不适合表示GIF动画。

3.现有方法中词与词之间的结构是扁平的，难以处理一词多义以及种属关系问题。扩展性差。

发明内容

本发明所要解决的问题在于针对上述现有技术的不足，提供一种基于情感对的GIF动画情感识别方法。

本发明包括以下步骤：

(1)训练情感对序列检测子；

(2)训练中层表示到情感倾向的分类器。

在步骤(1)中，所述训练情感对序列检测子的具体方法可为：

(1.1)构建“情感对”模型，在现有“形容词名词对”模型的基础上引入了动词，构成了动词名词对，专门用来描述GIF视频中的动作信息。为了表述方便将“形容词名词对”和“动词名词对”合称为“情感对”；

(1.2)概念语义体系的构建，只需要WordNet中的形容词，动词和名词三种类型的单词。其他的例如副词、介词、助词均被删除。对提取出的动词、形容词和名词组合为形容词名词对(ANP)和动词名词对(VNP)；

(1.3)概念语义的筛选，在删除数词，介词，副词等和“情感对”无关的概念语义词之后,还需要从中筛选出符合目标的概念语义项目；