典型文献
基于跨模态深度学习的旅游评论反讽识别
文献摘要：
[目的]基于跨模态深度学习方法,通过旅游评论对消费者情感表达进行分析,并识别反讽情绪.[方法]构建跨模态的深度学习模型,首先进行多模态信息的编码,通过图神经网络提取文本与图片中的交互信息,利用注意力机制强调多模态特征,最后进行反讽识别.[结果]结合Yelp网站的旅游评论数据进行实证研究,并与相关基线模型作比较.实验结果表明,跨模态模型具有优越性,反讽识别的准确率达到88.77％.[局限]所提模型仅在Yelp网站的Hilton数据集上进行测试,未在其他旅游平台上进一步验证.[结论]所提模型能够充分提取不同模态间的交互信息,有效提升反讽识别的准确性.
文献关键词：
跨模态;深度学习;旅游评论;反讽识别
中图分类号：
作者姓名：
刘洋;马莉莉;张雯;胡忠义;吴江
作者机构：
武汉大学信息管理学院 武汉430072;武汉大学电子商务研究与发展中心 武汉430072;武汉大学经济与管理学院 武汉430072
文献出处：
引用格式：
[1]刘洋;马莉莉;张雯;胡忠义;吴江-.基于跨模态深度学习的旅游评论反讽识别)[J].数据分析与知识发现,2022(12):23-31
A类：
跨模态深度学习,反讽识别
B类：
旅游评论,深度学习方法,情感表达,深度学习模型,多模态信息,图神经网络,交互信息,注意力机制,多模态特征,Yelp,评论数据,基线模型,Hilton,未在,旅游平台,分提
AB值：
0.215427
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
