结合多粒度视图动态融合的多模态方面级情感分析

为了解决以往多模态方面级情感分析研究中存在的特征提取不充分、数据噪声未被有效处理以及多模态数据中的复杂交互被忽视等问题,提出了一种多粒度视图动态融合模型(multi-granularity view dynamic fusion model,MVDFM)。从粗粒度和细粒度两个视角,对文本和图像数据进行向量化编码,以便充分捕捉数据特征,增强模型信息表达能力;提取文本、图像的多粒度视图特征,并设计动态门控自注意力机制,对细粒度级的文本、图像视图进行降噪,进一步保证特征提取质量;为了挖掘不同粒度上多视图之间的互补性和一致性,提出一种三视图分解高阶池化机制,对多粒度视图特征进行两阶段动态融合,得到最终的目标方面词情感极性。实验结果表明,该模型在公共数据集Twitter-2015和Twitter-2017上的准确率和F1值分别达到了78.69%、74.48%以及72.77%、71.61%,相较于最优基线模型分别提升了0.55、0.88个百分点,以及1.67、2.45个百分点。说明该方法能够充分利用多模态数据中包含的深层语义信息,并有效挖掘与目标方面词相关的重要信息,从而提高方面级情感预测效果。

城市餐饮消费行为数据可视化

针对团购网站餐饮类消费数据类型的多样性,采用了多视图可视分析方法对城市餐饮消费行为中的消费者地域选择、情感倾向以及热点话题进行了分析,针对餐饮消费行为数据规模庞大、维度信息复杂等特征,基于时空维度设计了多粒度数据过滤方法,在此基础上设计并实现了城市餐饮消费行为可视分析系统。通过对某团购网站上某市餐饮类消费数据的分析表明,系统在用户交互分析下能够有效识别城市餐饮消费行为特征。