多模态情感分析：感知情感与诱发情感
计算机视觉与模式识别
2023-12-14 v1 机器学习
社会与信息网络
摘要
社交媒体创建了一个全球网络，人们可以在此轻松访问和交换海量信息。这些信息催生了各种各样的观点，反映了积极和消极的立场。GIF 作为一种多媒体格式脱颖而出，为用户提供了一种视觉上引人入胜的交流方式。在本研究中，我们提出了一种多模态框架，该框架整合了视觉和文本特征来预测 GIF 的情感。它还融合了包括面部情感检测和 OCR 生成字幕在内的属性，以捕捉 GIF 的语义层面。所开发的分类器在 Twitter GIF 上达到了 82.7% 的准确率，优于当前最先进的模型。此外，我们基于 ReactionGIF 数据集开展了研究，分析了作者感知的情感与读者被诱发的情感之间的差异。
引用
@article{arxiv.2312.07627,
title = {Multimodal Sentiment Analysis: Perceived vs Induced Sentiments},
author = {Aditi Aggarwal and Deepika Varshney and Saurabh Patel},
journal= {arXiv preprint arXiv:2312.07627},
year = {2023}
}