استفاده از مدل های یادگیری انتقالی برای بهبود تشخیص احساسات بصری در شبکه های اجتماعی

تجزیه و تحلیل احساسات افراد از محتوای رسانه های اجتماعی از طریق متن، گفتار و تصاویر، در انواع مختلفی از برنامه ها و کاربردها مورد نیاز است. اکثر مطالعات تحقیقاتی اخیر در زمینه تجزیه و تحلیل احساسات، بر داده های متنی تمرکز داشته اند. با این حال، کاربران رسانه های اجتماعی، عکس ها و فیلم های مشابه بیشتری نسبت به متن به اشتراک می گذارند. به عبارت دیگر، تصاویر بهترین روش برای انتقال احساسات به دیگران هستند. از این رو، تمرکز بر توسعه یک مدل تحلیل احساسات بر اساس تصاویر در رسانه های اجتماعی اهمیت دارد. در این مقاله، از مدل یادگیری انتقال DenseNet-121 برای تحلیل احساسات بر اساس تصاویر استفاده خواهیم کرد. برای پیاده سازی این روش، از تصاویر موجود در مجموعه داده Image Sentiment استفاده خواهیم نمود. این مجموعه داده شامل آدرس های اینترنتی تصاویر به همراه قطبیت های احساسی آن ها است. بر اساس نتایج به دست آمده، دقت مدل پیشنهادی در این مقاله برابر با 89 % است که در مقایسه با کارهای پیشین در زمینه تجزیه و تحلیل احساسات بصری، مدل پیشنهادی، بهبود 5 تا 10 درصدی را نشان می دهد.