# 基于tensorflow实现的多模态情感分析
## 多模态情感分析项目介绍
使用多模态模型来进行情感识别。输入有文本(包括emojis)、语音、图片和视频,根据这些内容,我们设计了一个分层方法,从一模态向量到双模态向量,再从双模态向量到三模态向量。最后我们用softmax layer把这些特征向量分成4种情感:喜、怒、哀和其他。与普通的情感分类不同的是,我们引入了更多的数据源,进行多模态识别。最后的情感分类与大众的正向、负向、中性不同,我们分成喜、怒、哀和其他,更好地进行用户分层和对标。
## 环境部署
python3.6+tensorflow1.7+cpu/gpu
## 数据集
-IEMOCAP数据集: 描述交互式情绪二元运动捕捉(iemocap)数据库是一个动作、多模式和多峰值的数据库,在南加州大学的Sail实验室收集。它包含大约12小时的视听数据,包括视频、语音、面部运动捕捉、文本转录。
6 classes: happy/sad/neutral/angry/excited/frustrated<br>
Raw Features: dataset/iemocap/raw/IEMOCAP_features_raw.pkl (Pickle files) <br>
The file contains:
videoIDs[vid] = List of utterance IDs in this video in the order of occurance <br>
videoSpeakers[vid] = List of speaker turns. e.g. [M, M, F, M, F]. here M = Male, F = Female <br>
videoText[vid] = List of textual features for each utterance in video vid. <br>
videoAudio[vid] = List of audio features for each utterance in video vid. <br>
videoVisual[vid] = List of visual features for each utterance in video vid. <br>
videoLabels[vid] = List of label indices for each utterance in video vid. <br>
videoSentence[vid] = List of sentences for each utterance in video vid. <br>
trainVid = List of videos (videos IDs) in train set. <br>
testVid = List of videos (videos IDs) in test set. <br>
-MOSEI数据集: 由来自1000多个YouTube身份和200个主题的23500句话组成。
3 classes: positive/negative/neutral <br>
Raw Features: (Pickle files) <br>
Audio: dataset/mosei/raw/audio_3way.pickle <br>
Text: dataset/mosei/raw/text_3way.pickle <br>
Video: dataset/mosei/raw/video_3way.pickle <br>
-MOSI数据集:英文的多模态情感数据集,数据集中含有文本、语音和视频三种模态的信息,有2199个样本
2 classes: Positive/Negative <br>
Raw Features: (Pickle files) <br>
Audio: dataset/mosi/raw/audio_2way.pickle <br>
Text: dataset/mosi/raw/text_2way.pickle <br>
Video: dataset/mosi/raw/video_2way.pickle <br>
## 模型效果
![模型运行结果](./result.png)
## Citation
```
@inproceedings{soujanyaacl17,
title={Context-dependent sentiment analysis in user-generated videos},
author={Poria, Soujanya and Cambria, Erik and Hazarika, Devamanyu and Mazumder, Navonil and Zadeh, Amir and Morency, Louis-Philippe},
booktitle={Association for Computational Linguistics},
year={2017}
}
@inproceedings{poriaicdm17,
author={S. Poria and E. Cambria and D. Hazarika and N. Mazumder and A. Zadeh and L. P. Morency},
booktitle={2017 IEEE International Conference on Data Mining (ICDM)},
title={Multi-level Multiple Attentions for Contextual Multimodal Sentiment Analysis},
year={2017},
pages={1033-1038},
keywords={data mining;feature extraction;image classification;image fusion;learning (artificial intelligence);sentiment analysis;attention-based networks;context learning;contextual information;contextual multimodal sentiment;dynamic feature fusion;multilevel multiple attentions;multimodal sentiment analysis;recurrent model;utterances;videos;Context modeling;Feature extraction;Fuses;Sentiment analysis;Social network services;Videos;Visualization},
doi={10.1109/ICDM.2017.134},
month={Nov},}
```
没有合适的资源?快使用搜索试试~ 我知道了~
人工智能项目《基于tensorflow实现的多模态情感分析》+Python源代码+设计资料
共21个文件
pickle:9个
py:5个
zip:4个
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
5星 · 超过95%的资源 1 下载量 50 浏览量
2024-04-16
12:54:23
上传
评论 1
收藏 57.33MB ZIP 举报
温馨提示
<项目介绍> - 使用多模态模型来进行情感识别。输入有文本(包括emojis)、语音、图片和视频,根据这些内容,我们设计了一个分层方法,从一模态向量到双模态向量,再从双模态向量到三模态向量。最后我们用softmax layer把这些特征向量分成4种情感:喜、怒、哀和其他。与普通的情感分类不同的是,我们引入了更多的数据源,进行多模态识别。 - 不懂运行,下载完可以私聊问,可远程教学 该资源内项目源码是个人的毕设,代码都测试ok,都是运行成功后才上传资源,答辩评审平均分达到96分,放心下载使用! 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用! 2、本项目适合计算机相关专业(如计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载学习,也适合小白学习进阶,当然也可作为毕设项目、课程设计、作业、项目初期立项演示等。 3、如果基础还行,也可在此代码基础上进行修改,以实现其他功能,也可用于毕设、课设、作业等。 下载后请首先打开README.md文件(如有),仅供学习参考, 切勿用于商业用途。 --------
资源推荐
资源详情
资源评论
收起资源包目录
基于tensorflow实现的多模态情感分析.zip (21个子文件)
Multimodal-Sentiment-Analysis-master
unimodal_mosi_2way.pickle 6.84MB
create_data.py 4KB
data_prep.py 12KB
dataset
iemocap
raw
loadIEMOCAP.py 2KB
IEMOCAP_features_raw.pkl.zip 13.08MB
mosi
raw
video_2way.pickle 4.52MB
video.pickle 4.52MB
text_2way.pickle 4.52MB
text.pickle 4.52MB
audio.pickle 3.31MB
audio_2way.pickle 3.31MB
mosei
raw.zip 18.18MB
model.py 15KB
unimodal_iemocap_6way.pickle 20.26MB
result.png 12KB
Canonical code.pdf 142KB
run.py 17KB
iemocap-data.zip 9.12MB
unimodal_iemocap_4way.pickle 19.51MB
README.md 4KB
多模态情感分析——基于BERT+ResNet的多种融合方法.zip 446KB
共 21 条
- 1
资源评论
- 2301_766992472024-04-24感谢资源主分享的资源解决了我当下的问题,非常有用的资源。
mldxxxxll5
- 粉丝: 3572
- 资源: 890
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功