| Número de páginas: |
XIX, 98 p. 49 ilustraciones, 42 ilustraciones en color. |
| Resumen: |
Este libro presenta las últimas investigaciones sobre aprendizaje profundo jerárquico para el análisis de sentimientos multimodal. Además, analiza los sentimientos en los blogs de Twitter a partir de contenido textual y visual utilizando redes jerárquicas de aprendizaje profundo: redes neuronales recurrentes de retroalimentación cerrada jerárquica (HGFRNN). Hasta la fecha se han realizado varios estudios sobre aprendizaje profundo, pero la mayorÃa de los métodos actuales se centran únicamente en contenido textual o únicamente en contenido visual. Por el contrario, el modelo de análisis de sentimientos propuesto se puede aplicar a cualquier conjunto de datos de blogs sociales, lo que hace que el libro sea muy beneficioso para estudiantes de posgrado e investigadores en aprendizaje profundo y análisis de sentimientos. La abstracción matemática del modelo de análisis de sentimientos se presenta de manera muy lúcida. Los sentimientos completos se analizan combinando resultados de predicción visuales y de texto. La novedad del libro radica en el desarrollo de innovadoras redes neuronales recurrentes jerárquicas para analizar sentimientos; apilamiento de múltiples capas recurrentes controlando el flujo de señal desde las capas recurrentes superiores a las capas inferiores a través de una unidad de activación global; evaluación de HGFRNN con diferentes tipos de unidades recurrentes; y asignación adaptativa de capas HGFRNN a diferentes escalas de tiempo. Teniendo en cuenta la necesidad de aprovechar el contenido multimedia social a gran escala para el análisis de sentimientos, se utilizan técnicas de análisis de sentimientos tanto visuales como textuales de última generación para el análisis conjunto de sentimientos visual y textual. El método propuesto arroja resultados prometedores a partir de conjuntos de datos de Twitter que incluyen tanto textos como imágenes, que respaldan la hipótesis teórica. |
Visual and Text Sentiment Analysis through Hierarchical Deep Learning Networks
