Neironu tīkls novērtē attēlus laimes līmenim

Sentimenta analīze maina saziņas izpēti ar daudziem uzņēmumiem, kas tagad to piedāvā kā pakalpojumu. Ideja ir izpētīt vārdu modeļus ziņojumos, piemēram, tvītos un emuāros, lai noteiktu, cik lielā mērā tie ir pozitīvi vai negatīvi. Tas ļauj uzņēmumiem, organizācijām un politiskajām partijām automātiski izsekot viedokļiem par saviem zīmoliem.



kas ir starlink internets

Bet, kamēr šī tehnoloģija ir attīstījusies, maz pētījumu ir vērsti uz noskaņojumu attēlos. Mūsdienās tas mainās, pateicoties Can Xu darbam Kalifornijas Universitātē Sandjego un pētnieku grupai no Yahoo Labs Suniveilā. Šie cilvēki ir izstrādājuši veidu, kā automātiski novērtēt ar attēlu saistīto noskaņojumu un teikt, ka tas pārspēj citas modernākās metodes.

Xu un co nesāk no nulles. Lai gan noskaņojums attēlos ir lielā mērā ignorēts, objektu atpazīšanas problēma attēlos ir labi attīstīta joma, kas pēdējos gados ir lēcieniem un robežām uzlabojusies.





Tātad Xu un co sākas ar neironu tīklu, kas jau ir apmācīts, izmantojot attēlu datu kopu, kas parāda objektus, kas sadalīti 1000 klasifikācijās. Kad tiek parādīts attēls, šis tīkls sniedz sadalījumu, kas parāda, cik liela ir iespējamība, ka attēls ietilpst katrā no šīm 1000 klasifikācijām.

Tieši šo 1000 dimensiju izvadi izmanto Sju un līdzi savos pētījumos. Vispirms viņi ņem divas datu kopas ar attēliem no Tumblr un Twitter, kas jau ir novērtēti pēc noskaņojuma piecu punktu skalā: ļoti negatīvs, negatīvs, neitrāls, pozitīvs un ļoti pozitīvs.

Pēc tam viņi apmāca mašīnmācīšanās algoritmu, lai atrastu korelāciju starp 1000 dimensiju izvadi un noskaņojumu. Pēc mašīnas apmācības viņi to salīdzina divas citas mūsdienīgas sentimenta analīzes metodes, piemēram, vienu, kas balstās uz zema līmeņa vizuālām iezīmēm, piemēram, attēla krāsu, un citu, ko sauc par SentiBank, kas ģenerē attēla īpašības vārdu-lietvārdu. un līdz ar to rada sentimenta sajūtu.



Xu un co saka, ka viņu tehnika ievērojami pārspēj esošās pieejas. Eksperimenti liecina, ka mūsu piedāvātie modeļi pārspēj vismodernākās metodes gan Twitter, gan Tumblr datu kopās, viņi saka.

Tas ir noderīgs sākums attēla uztveres analīzes sākumposmā. Viņi saka, ka pirmo reizi iegūtie rezultāti liecina, ka konvolucionālie neironu tīkli ir ļoti daudzsološi vizuālā noskaņojuma analīzei.

Neskatoties uz to, priekšā ir nozīmīgs darbs. Viena no bēdīgi slavenajām uz vārdiem balstītās sentimenta analīzes problēmām ir tā, ka tā netiek galā ar smalkām kultūras ietekmēm, piemēram, sarkasmu un ironiju. Un šāda unikāli cilvēka uzvedība var ievērojami samazināt sentimenta analīzes ticamību.

izslēdziet internetu

Tas, cik svarīgas būs šāda veida īpatnības attēliem, vēl nav noskaidrots, taču attēla noskaņojums varētu būt vēl viena joma, kurā drīzumā tiks uzraudzīta cilvēka veiktspēja un, iespējams, pat saskaņota ar mašīnām.



Atsauce: arxiv.org/abs/1411.5731 : vizuālā sentimenta prognozēšana ar dziļiem konvolucionāliem neironu tīkliem

paslēpties

Faktiskās Tehnoloģijas

Kategorija

Bez Kategorijas

Tehnoloģija

Biotehnoloģija

Tehniskā Politika

Klimata Izmaiņas

Cilvēki Un Tehnoloģijas

Silikona Ieleja

Datortehnika

Žurnāls Mit News

Mākslīgais Intelekts

Kosmoss

Gudrās Pilsētas

Blockchain

Funkcijas Stāsts

Absolventu Profils

Absolventu Savienojums

Mit News Funkcija

1865. Gads

Mans Skats

77 Mass Ave

Iepazīstieties Ar Autoru

Profili Dāsnumā

Redzēts Universitātes Pilsētiņā

Absolventu Vēstules

Jaunumi

2020. Gada Vēlēšanas

Ar Indeksu

Zem Kupola

Ugunsdzēsības Šļūtene

Bezgalīgi Stāsti

Pandēmijas Tehnoloģiju Projekts

No Prezidenta

Vāka Stāsts

Foto Galerija

Ieteicams