視頻的語(yǔ)義情感分析研究

文/崔冠軍

1 研究背景與現(xiàn)狀

1997年，美國(guó)麻省理工學(xué)院教授Rosalind W．Picard首先提出情感計(jì)算的概念，她認(rèn)為情感計(jì)算是機(jī)器能夠?qū)θ祟惽楦械耐庠诒憩F(xiàn)進(jìn)行測(cè)量和分析并能對(duì)情感施加影響的能力。情感分析是人工智能發(fā)展的分水嶺。情感分析功能，是以后機(jī)器人進(jìn)入家用民用的必備能力，區(qū)別于工業(yè)機(jī)器人的屬性要求。判斷情緒、看出眉眼高低，對(duì)于人類來(lái)說(shuō)，可能連不會(huì)說(shuō)話的小孩都能做到。可是，這個(gè)能力卻是目前人工智能的最高水平。也就是說(shuō)，人工智能發(fā)展的水平還沒有足夠高，使機(jī)器人可以更像人。而機(jī)器不能更像人的障礙之一就是人工智能的情緒。情感分析的發(fā)展和快速起步得益于網(wǎng)絡(luò)上的社交媒體，這是人類歷史上首次有如此巨大數(shù)字量的形式記錄。目前，情緒分析已經(jīng)成長(zhǎng)為自然語(yǔ)言處理中最活躍的研究領(lǐng)域之一，它已經(jīng)從計(jì)算機(jī)科學(xué)蔓延到管理科學(xué)和社會(huì)科學(xué)，由于其重要的商業(yè)性引發(fā)整個(gè)社會(huì)的共同關(guān)注。Fan[1]等人提出基于混合模型的文本主題-情感分析方法，評(píng)估測(cè)試文本與模型之間的相似性，確定文本的主題和情感傾向。Tan[2]等人提出自適應(yīng)樸素貝葉斯分類器的加權(quán)傳遞方法，即樸素的貝葉斯傳遞分類器（ntbc），顯著地提高了基分類器的性能。Sun[3]等人針對(duì)有監(jiān)督樣本不容易獲取的問(wèn)題，提出一種無(wú)監(jiān)督的主題情感混合模型。該模型對(duì)句子采樣情感標(biāo)簽，對(duì)詞采樣主題標(biāo)簽，無(wú)需對(duì)樣本進(jìn)行標(biāo)注，即可完成文檔情感分類。Wei[4]等人提出了一個(gè)基于本體的意見感知框架EOSentiMiner，從語(yǔ)義的角度對(duì)中文在線評(píng)論進(jìn)行情感分析。Perikos[5]等人提出了一種基于分類器集成的文本自動(dòng)識(shí)別系統(tǒng)，設(shè)計(jì)的集成分類器模式是基于知識(shí)、統(tǒng)計(jì)和機(jī)器學(xué)習(xí)相結(jié)合的分類方法，充分利用他們的優(yōu)點(diǎn)，在識(shí)別文本中情感存在的能力和識(shí)別情感極性的能力方面表現(xiàn)相當(dāng)出色。王旭仁[6]等針對(duì)文本挖掘過(guò)程中存在的搜索空間過(guò)大問(wèn)題，改進(jìn)語(yǔ)義分析算法，對(duì)詞項(xiàng)和文檔矩陣進(jìn)行奇異值分解，解決一詞多義問(wèn)題。Wu[7]等人提出基于概率圖模型的情感分析方法，分析訓(xùn)練語(yǔ)料先建立具有先驗(yàn)概率的圖模型，再將概率值歸一為情感特征值，使用支持向量機(jī)（SVM）實(shí)現(xiàn)分類。Li[8]等人研究在最少人工監(jiān)控的情況下學(xué)習(xí)高質(zhì)量情感模型的問(wèn)題，提出了一種新方法，結(jié)合領(lǐng)域相關(guān)的未標(biāo)記數(shù)據(jù)和少量標(biāo)記文檔，以領(lǐng)域無(wú)關(guān)的情感負(fù)載項(xiàng)的形式學(xué)習(xí)詞匯先驗(yàn)知識(shí)，實(shí)現(xiàn)情感分析。Zhai[9]等人研究使用自動(dòng)編碼器對(duì)文本數(shù)據(jù)建模，針對(duì)傳統(tǒng)自動(dòng)編碼器存在的詞匯規(guī)模的高維度和處理與任務(wù)無(wú)關(guān)的詞匯兩個(gè)方面的問(wèn)題，通過(guò)引入自動(dòng)編碼器的丟失功能來(lái)解決。為了減少單個(gè)分類器帶來(lái)的偏差，定義了分類器權(quán)值的后驗(yàn)概率分布，獲得了良好的分類性能。Cui[10]等人針對(duì)bag-of-n-gram模型導(dǎo)出的n-gram特征對(duì)n-gram的順序不敏感的問(wèn)題，整合詞序的分布語(yǔ)義特征，不受詞序長(zhǎng)度的影響，還學(xué)習(xí)詞性序列的分布語(yǔ)義特征，作為情感分析的附加句法相關(guān)線索，語(yǔ)義特征能自動(dòng)捕獲本地上下文和全局上下文，提高了情感分析的質(zhì)量。Li[11]等人建立了一個(gè)語(yǔ)義豐富的混合神經(jīng)網(wǎng)絡(luò)（HNN）模型，該模型利用無(wú)監(jiān)督的教學(xué)模型，將語(yǔ)義知識(shí)融入到神經(jīng)網(wǎng)絡(luò)中，增強(qiáng)推理能力和解釋能力，提高了情感分類的可解釋性。Kratzwald[12]等人提出一種針對(duì)情感計(jì)算的遷移學(xué)習(xí)形式sent2affect：網(wǎng)絡(luò)被預(yù)先訓(xùn)練為不同的任務(wù)（即情感分析），而輸出層隨后被調(diào)整為情感識(shí)別任務(wù)。Nguyen[13]等人提出了一種結(jié)合模糊邏輯的卷積神經(jīng)網(wǎng)絡(luò)（fcnn）及其相關(guān)學(xué)習(xí)算法。模型利用模糊隸屬度產(chǎn)生更精細(xì)的輸出，從而減少了情感分類中情感方面的模糊性，提高了情感分類的性能。Zou等人采用社區(qū)檢測(cè)的方法來(lái)捕獲弱依賴關(guān)系，提出一種新的微博情感分析模型，該模型將弱依賴關(guān)系、情感一致性、情感傳染與文本信息結(jié)合起來(lái)，顯著地提高了情緒分析性能。Chen[15]等人提出并構(gòu)建基于半監(jiān)督訓(xùn)練集的多文本情感數(shù)據(jù)協(xié)同訓(xùn)練，結(jié)合情感詞頻、情感詞典、情感語(yǔ)義信息構(gòu)建三種情感詞向量，利用CNN和LSTM模型進(jìn)行分類，提高了分類的準(zhǔn)確性。當(dāng)前的情感語(yǔ)料庫(kù)中情感標(biāo)注主要為傾向標(biāo)注，導(dǎo)致現(xiàn)下的語(yǔ)義分類模型功能基本都是完成情感傾向的檢測(cè)。本論文中，花費(fèi)大量精力將Twitter情感分析訓(xùn)練語(yǔ)料庫(kù)重新進(jìn)行情感標(biāo)注。原有語(yǔ)料庫(kù)的類別標(biāo)簽為兩大類，1代表積極情緒，0代表負(fù)面情緒。我們進(jìn)行了更細(xì)粒度的情感標(biāo)注，將其分為中性、快樂(lè)、悲傷、生氣、驚訝、恐懼六類基本情緒。然后，采用TextCNN模型對(duì)AFEW數(shù)據(jù)庫(kù)中視頻片段內(nèi)包含的語(yǔ)義信息進(jìn)行情感分析。

2 研究方法

圖1：ELMO原理圖

2.1 Elmo—?jiǎng)討B(tài)詞向量

Elmo由艾倫研究所開發(fā)，被稱為時(shí)下最好的通用詞和句子嵌入方法，來(lái)自于語(yǔ)言模型的詞向量表示，也是利用了深度上下文單詞表征。ELMo是雙向語(yǔ)言模型biLM的多層表示的組合，基于大量文本，ELMo模型是從深層的雙向語(yǔ)言模型中的內(nèi)部狀態(tài)學(xué)習(xí)而來(lái)的，而這些詞向量很容易加入到QA、文本對(duì)齊、文本分類等模型中。

如圖1所示，它首先在大文本語(yǔ)料庫(kù)上預(yù)訓(xùn)練了一個(gè)深度雙向語(yǔ)言模型（biLM），然后把根據(jù)它的內(nèi)部狀態(tài)學(xué)到的函數(shù)作為詞向量。實(shí)驗(yàn)表明，這些學(xué)到的詞表征可以輕易地加入到現(xiàn)有的模型中，并在回答問(wèn)題、文本蘊(yùn)含、情感分析等6個(gè)不同的有難度的 NLP 問(wèn)題中大幅提高最佳表現(xiàn)。實(shí)驗(yàn)表明顯露出預(yù)訓(xùn)練模型的深度內(nèi)部狀態(tài)這一做法非常重要，這使得后續(xù)的模型可以混合不同種類的半監(jiān)督信號(hào)。

2.2 TextCNN

TextCNN由Yoon Kim提出，將卷積神經(jīng)網(wǎng)絡(luò)CNN應(yīng)用到文本分類任務(wù)，利用多個(gè)不同size的kernel來(lái)提取句子中的關(guān)鍵信息，從而能夠更好地捕捉局部相關(guān)性。

如圖2所示，TextCNN詳細(xì)過(guò)程：

（1）Embedding：第一層是圖中最左邊的7乘5的句子矩陣，每行是詞向量，維度=5，這個(gè)可以類比為圖像中的原始像素點(diǎn)。

（2）Convolution：然后經(jīng)過(guò)kernel_sizes=(2,3,4) 的一維卷積層，每個(gè)kernel_size有兩個(gè)輸出 channel。

（3）MaxPolling：第三層是一個(gè)1-max pooling層，這樣不同長(zhǎng)度句子經(jīng)過(guò)pooling層之后都能變成定長(zhǎng)的表示。

（4）FullConnection and Softmax：最后接一層全連接的softmax層，輸出每個(gè)類別的概率。

3 實(shí)驗(yàn)

3.1 AFEW數(shù)據(jù)集

AFEW數(shù)據(jù)集，該數(shù)據(jù)集為Emotion Recognition In The Wild Challenge（Emotiw）系列情感識(shí)別挑戰(zhàn)賽使用的數(shù)據(jù)集，內(nèi)容為從電影中剪輯的包含表情的視頻片段，表情標(biāo)簽為高興、悲傷、生氣、驚訝、恐懼、中性六類基本表情。

3.2 Twitter情感分析訓(xùn)練語(yǔ)料庫(kù)

Twitter情感分析訓(xùn)練語(yǔ)料庫(kù)，該情感分析數(shù)據(jù)集包含31962條分類推文。原有的語(yǔ)料庫(kù)每行標(biāo)記為1表示積極情緒，0表示負(fù)面情緒。我們對(duì)語(yǔ)料庫(kù)的每條推文重新進(jìn)行了情感標(biāo)注，與AFEW數(shù)據(jù)集一致，分為高興、悲傷、生氣、驚訝、恐懼、中性六類基本情緒；

3.3 實(shí)驗(yàn)細(xì)節(jié)

首先，使用Elmo將Twitter情感分析訓(xùn)練語(yǔ)料庫(kù)中的推文轉(zhuǎn)化為向量表示，對(duì)TextCNN模型進(jìn)行訓(xùn)練。然后，對(duì)AFEW數(shù)據(jù)集中的視頻片段進(jìn)行預(yù)處理，提取視頻片段中的音頻信息，并使用訊飛語(yǔ)音識(shí)別平臺(tái)獲取音頻中的語(yǔ)義信息，同樣使用Elmo轉(zhuǎn)化為向量表示。使用訓(xùn)練好的TextCNN模型對(duì)AFEW數(shù)據(jù)集中視頻片段內(nèi)包含的語(yǔ)義信息進(jìn)行情感分析。

3.4 實(shí)驗(yàn)結(jié)果

實(shí)驗(yàn)獲得了63.1%的準(zhǔn)確率。

4 結(jié)論

AFEW數(shù)據(jù)集中的內(nèi)容為從電影中剪輯的包含表情的視頻片段，真實(shí)性很高。使用AFEW數(shù)據(jù)集的研究主要集中于表情模態(tài)、語(yǔ)音模態(tài)。究其原因，AFEW數(shù)據(jù)集的情感標(biāo)注為六種基本情緒，而當(dāng)下可用于深度學(xué)習(xí)的情感分析語(yǔ)料庫(kù)的情感標(biāo)注基本為情感傾向性標(biāo)注，達(dá)不到相應(yīng)的細(xì)粒度。通過(guò)本篇論文的研究，語(yǔ)義模態(tài)對(duì)于視頻的情感分析也起著至關(guān)重要的作用。之后的研究中，考慮將語(yǔ)義模態(tài)與表情、語(yǔ)音模態(tài)相結(jié)合，進(jìn)一步地提高視頻情感分析的準(zhǔn)確率。

圖2：TextCNN原理圖