[發明專利]一種基于情感對的GIF動畫情感識別方法

有效

• 申請號: 201611128386.X
• 申請日: 2016-12-09
• 公開（公告）號: CN106599824B
• 公開（公告）日: 2019-06-14
• 發明（設計）人: 紀榮嶸;曹冬林;蔡政
• 申請（專利權）人: 廈門大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 廈門南強之路專利事務所(普通合伙) 35200
• 代理人: 馬應森

一種基于情感對的GIF動畫情感識別方法，涉及動畫情感識別。包括以下步驟：(1)訓練情感對序列檢測子；(2)訓練中層表示到情感傾向的分類器。提出了基于GIF動畫情感識別方法，相對于基于靜態圖片的情感識別方法更具有挑戰性，并且解決了底層特征不匹配的問題和詞與詞之間關系扁平的問題。解決了GIF動畫情感識別問題，相比目前的基于底層特征的情感識別方法，識別準確率更高。可以應用于微博情感識別領域。相對于基于靜態圖片的情感識別方法更具有挑戰性，并且解決了底層特征不匹配的問題和詞與詞之間關系扁平的問題。

技術領域

本發明涉及動畫情感識別，尤其是涉及一種基于情感對的GIF動畫情感識別方法。

背景技術

“情感對”是一種我們提出的情感中層特征表示方法。GIF圖片是社交網絡上常見的動畫形式。情感識別指的是用計算機算法來識別物體情感傾向的過程，常見的情感傾向有三種：積極、中性和消極。

對社交網絡上的內容進行情感識別可以分析用戶的情感傾向。根據內容的性質不同可以分為文本情感識別，靜態圖像情感識別和GIF動畫情感識別三個領域。文本情感識別采用情感詞和語言模型。流行的靜態圖像情感識別方法采用基于ANP的中層特征表示。

目前與本發明最相近的技術方案是基于SentiBank的靜態圖片的情感識別。在國際會議ACM MM論文Large-scale visual sentiment ontology and detectors usingadjective noun pairs中Borth等人提出了一個視覺情感分類器的集合SentiBank，這個分類器集合構成了一個視覺情感的中層表示。基于SentiBank的方案首先從Flickr的標簽數據中提取形容詞和名詞，將這些形容詞和名詞組成形容詞名詞對(ANP)。將這些形容詞名詞對在YouTube中搜索，剔除不合理的形容詞和名詞對。之后將這些ANP作為搜索詞在Google圖片搜索中搜索相關詞，作為訓練數據集，訓練對應ANP的檢測器。檢測器的模型是SVM.使用的特征是五種底層特征的拼接。

現有技術的主要缺點是不適用于GIF動畫的情感識別問題。這種不適用主要體現在：

1.所采用的底層特征不能直接用于GIF動畫。現有技術采用的是靜態圖片底層的特征，不適用于GIF動畫。

2.現有方法形成的中層表示不能用于GIF動畫。現有方法的中層表示是形容詞名詞對(ANP)的形式。其中的形容詞和名詞取材于靜態圖片的社交網絡Flickr.這些詞不一定能表達GIF動畫的情感。ANP本身對動作的表示能力弱。也不適合表示GIF動畫。

3.現有方法中詞與詞之間的結構是扁平的，難以處理一詞多義以及種屬關系問題。擴展性差。

發明內容

本發明所要解決的問題在于針對上述現有技術的不足，提供一種基于情感對的GIF動畫情感識別方法。

本發明包括以下步驟：

(1)訓練情感對序列檢測子；

(2)訓練中層表示到情感傾向的分類器。

在步驟(1)中，所述訓練情感對序列檢測子的具體方法可為：

(1.1)構建“情感對”模型，在現有“形容詞名詞對”模型的基礎上引入了動詞，構成了動詞名詞對，專門用來描述GIF視頻中的動作信息。為了表述方便將“形容詞名詞對”和“動詞名詞對”合稱為“情感對”；

(1.2)概念語義體系的構建，只需要WordNet中的形容詞，動詞和名詞三種類型的單詞。其他的例如副詞、介詞、助詞均被刪除。對提取出的動詞、形容詞和名詞組合為形容詞名詞對(ANP)和動詞名詞對(VNP)；

(1.3)概念語義的篩選，在刪除數詞，介詞，副詞等和“情感對”無關的概念語義詞之后,還需要從中篩選出符合目標的概念語義項目；