摘要 | 第4-5页 |
Abstract | 第5页 |
第1章 绪论 | 第9-19页 |
1.1 课题背景与研究意义 | 第9-10页 |
1.2 常用情感模型 | 第10-12页 |
1.3 图片情感分析研究现状 | 第12-15页 |
1.3.1 基于底层视觉特征的图片情感分析 | 第13页 |
1.3.2 基于中间语义表达的图片情感分析 | 第13-14页 |
1.3.3 基于深度学习的图片情感分析 | 第14-15页 |
1.4 文本情感分析研究现状 | 第15-17页 |
1.4.1 基于情感词典的文本情感分析 | 第15页 |
1.4.2 基于机器学习的文本情感分析 | 第15-16页 |
1.4.3 基于深度学习的文本情感分析 | 第16-17页 |
1.5 论文的研究内容与论文结构 | 第17-19页 |
第2章 面向中文情感词汇本体建立大规模图像情感数据集 | 第19-31页 |
2.1 图像情感数据集建立流程 | 第19-20页 |
2.2 图片源的选择 | 第20-21页 |
2.3 情感关键词筛选 | 第21-22页 |
2.4 数据集清洗 | 第22-26页 |
2.4.1 初步建立的数据集存在的问题 | 第22-23页 |
2.4.2 清洗情感标签错误的图片 | 第23-25页 |
2.4.3 一图对应多种情感词问题 | 第25-26页 |
2.5 基于CNN的图片情感分类 | 第26-27页 |
2.6 实验设计和结果分析 | 第27-29页 |
2.6.1 实验设计 | 第27-28页 |
2.6.2 实验结果分析 | 第28-29页 |
2.7 本章小结 | 第29-31页 |
第3章 融合局部与全局信息的图片情感分析 | 第31-43页 |
3.1 算法总体框架 | 第31-32页 |
3.2 显著性目标检测 | 第32-33页 |
3.3 显著性目标区域矫正 | 第33-34页 |
3.4 局部与全局信息的融合 | 第34-35页 |
3.5 实验设计和结果分析 | 第35-41页 |
3.5.1 图片情感极性分析 | 第35-40页 |
3.5.2 图片细粒度情感分类 | 第40-41页 |
3.6 本章小结 | 第41-43页 |
第4章 融合内容与情感相似性的文本配图算法 | 第43-55页 |
4.1 算法总体框架 | 第43页 |
4.2 研究平台介绍 | 第43-45页 |
4.2.1 新浪微博 | 第43-44页 |
4.2.2 花瓣网 | 第44-45页 |
4.3 文本与图片情感一致性计算 | 第45-50页 |
4.3.1 微博文本情感分析 | 第45-49页 |
4.3.2 图片情感分析 | 第49页 |
4.3.3 情感一致性分析 | 第49-50页 |
4.4 文本与图片内容一致性计算 | 第50-52页 |
4.4.1 微博文本内容分析 | 第50-51页 |
4.4.2 花瓣网图片内容分析 | 第51页 |
4.4.3 内容一致性分析 | 第51-52页 |
4.5 融合内容与情感的图文匹配 | 第52页 |
4.6 实验及结果分析 | 第52-54页 |
4.6.1 实验数据 | 第52页 |
4.6.2 实验设计及结果分析 | 第52-54页 |
4.7 本章小结 | 第54-55页 |
第5章 文本配图系统实现 | 第55-77页 |
5.1 系统总体框架 | 第55-57页 |
5.2 服务端功能模块设计与实现 | 第57-63页 |
5.2.1 微博文本关键词提取模块 | 第57-59页 |
5.2.2 微博文本情感分析模块 | 第59-61页 |
5.2.3 配图产生模块 | 第61-62页 |
5.2.4 图片库模块 | 第62-63页 |
5.3 客户端功能模块设计与实现 | 第63-73页 |
5.3.1 微博登录模块 | 第63-66页 |
5.3.2 文本输入模块 | 第66-68页 |
5.3.3 配图参数设置模块 | 第68-70页 |
5.3.4 配图选择模块 | 第70-72页 |
5.3.5 微博发布模块 | 第72-73页 |
5.4 系统测试 | 第73-75页 |
5.4.1 系统测试环境 | 第73页 |
5.4.2 系统功能测试 | 第73-75页 |
5.4.3 系统性能测试 | 第75页 |
5.5 本章小结 | 第75-77页 |
结论 | 第77-79页 |
参考文献 | 第79-83页 |
攻读硕士学位期间发表的学术论文 | 第83-85页 |
致谢 | 第85页 |