[发明专利]一种基于情感对的GIF动画情感识别方法

摘要

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。

主权项

1.一种基于情感对的GIF动画情感识别方法，其特征在于包括以下步骤：(1)训练情感对序列检测子，具体方法为：(1.1)构建“情感对”模型，在现有“形容词名词对”模型的基础上引入动词，构成动词名词对，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和动词名词对；(1.3)概念语义的筛选，在删除数词、介词、副词和“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，所述筛选出符合目标的概念语义项目的具体步骤为：设计情感丰富度权值，构建过程如下：在SentiWordNet中，每个词的情感倾向性分为若干个等级，情感丰富度权值的绝对值越大表示情感倾向越强烈；SentiWeight_i＝|SentiScore_i|SentiScore就是SentiWordNet中该概念语义的情感得分，情感丰富度权值的取值范围是[0,1]；设计语义频率权值，构建过程如下：在GIF视频网站Giphy.com中搜索情感词，统计Giphy.com搜索结果中GIF图像的数量Count，每一个概念语义的语义频率权值依据下式得出：在上式中，Count_i是第i个概念语义在Giphy.com中对应的GIF动画个数；分母则是全部概念语义对应的GIF动画个数的最大值；在得到情感丰富度权值和语义频率权值后，根据下式计算出一个筛选权值FilterWeight:筛选权值FilterWeight的取值范围为[0,1]；(1.4)基于多任务学习和情感相关性挖掘的“情感对”的检测，检测器的输出是相应“情感对”的概率值，输入是GIF动画的视频帧；检测之后的结果是一个长向量，该长向量的维度是筛选后“情感对”的个数，该长向量将作为该视频帧的中间层特征表示；(2)训练中层表示到情感倾向的分类器。