Cluster-based Deep Ensemble Learning for Emotion Classification in Internet Memes

要約

ミームは、多くの場合ユーモラスな目的でテキスト、画像、ビデオを組み合わせることで、インターネットやソーシャル メディアを通じて視覚的なアイデアを共有する手段として人気を博しています。
近年、ミームの自動分析を可能にする研究が注目を集めており、特にミームで表現される感情を分類するタスクが含まれています。
この論文では、ミームの感情分類のための新しいモデル、クラスターベースのディープアンサンブル学習 (CDEL) を提案します。
CDEL は、ディープ ラーニング モデルの利点をクラスタリング アルゴリズムと組み合わせて活用するハイブリッド モデルであり、同様の顔の特徴を持つミームをクラスタリングした後、追加情報でモデルを強化します。
感情分類のベンチマーク データセットで CDEL のパフォーマンスを評価し、幅広いベースライン モデルを凌駕し、最先端のパフォーマンスを達成することでその有効性を証明します。
切除されたモデルによるさらなる評価は、CDEL のさまざまなコンポーネントの有効性を示しています。

要約(オリジナル)

Memes have gained popularity as a means to share visual ideas through the Internet and social media by mixing text, images and videos, often for humorous purposes. Research enabling automated analysis of memes has gained attention in recent years, including among others the task of classifying the emotion expressed in memes. In this paper, we propose a novel model, cluster-based deep ensemble learning (CDEL), for emotion classification in memes. CDEL is a hybrid model that leverages the benefits of a deep learning model in combination with a clustering algorithm, which enhances the model with additional information after clustering memes with similar facial features. We evaluate the performance of CDEL on a benchmark dataset for emotion classification, proving its effectiveness by outperforming a wide range of baseline models and achieving state-of-the-art performance. Further evaluation through ablated models demonstrates the effectiveness of the different components of CDEL.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google