基于视频上下文和高维融合的突发事件中网民情感分析研究

作     者：范涛 王昊 郝琳娜 王诗琴 FAN Tao;WANG Haox;HAO Lin-na;WANG Shi-qin

作者机构：南京大学信息管理学院江苏南京210023 南京图书馆江苏南京210018 南京理工大学经济管理学院江苏南京210094 

出 版 物：《情报科学》 (Information Science)

年 卷 期：2021年第39卷第5期

页      面：176-183页

核心收录：

学科分类：1205[管理学-图书情报与档案管理] 12[管理学] 120501[管理学-图书馆学] 120502[管理学-情报学] 

基　　金：国家自然科学基金项目“突发事件网民负面情感的模型检测研究”(71774084) “社会化影响下个体信息认知处理中的扭曲与偏见机制研究”(71471089) 国家社会科学基金重大项目“面向知识创新服务的数据科学理论与方法研究”(16ZAD224) 

主　　题：突发事件 网民情感分析 多模态融合 上下文建模 高维融合 

摘      要：【目的/意义】目前有关突发事件中网民情感分析研究多基于文本或文本结合图片的数据,缺乏对视频这一多模态内容的研究。同时在多模态情感分析中,现有文章缺乏对视频上下文关系建模和不同模态特征充分融合相结合的研究。【方法/过程】基于此,本文提出基于视频上下文和高维融合的网民情感分析模型,利用基于双向门循环单元(Bidirectional-Gated Recurrent Units,Bi-GRU)的神经网络学习视频中不同模态的上下文关系,将其两两融合,输入至Bi-GRU网络中,学习不同模态融合后的上下文关系。最后利用三重笛卡尔积的方式充分融合双模态特征,得到高维的三模态融合特征,输入多层全连接层中,从而获得情感类别。并将提出的模型在新冠疫情突发事件真实数据集中进行实证研究,同不同模态和基线模型(TFN、HFCM等)进行对比。【结果/结论】实验结果表明,本文提出的模型具有一定的优越性。【创新/局限】提出的模型和研究方法,能够为突发事件中网民情感分析研究提供新的思路。