A Comprehensive Review of Visual-Textual Sentiment Analysis from Social Media Networks

要約

ソーシャル メディア ネットワークは人々の生活の重要な側面となっており、アイデア、意見、感情のプラットフォームとして機能しています。
したがって、自動感情分析 (SA) は、他の情報ソースではできない方法で人々の感情を認識するために重要です。
これらの感情の分析により、ブランド評価、YouTube 映画レビュー、ヘルスケア アプリケーションなど、さまざまな用途が明らかになりました。
ソーシャルメディアが発展し続けるにつれて、人々はテキスト、写真、音声、ビデオなどのさまざまな形式で大量の情報を投稿します。
したがって、従来の SA アルゴリズムは他のモダリティの表現力を考慮していないため、限界がありました。
さまざまな素材ソースからのそのような特性を含めることにより、これらのマルチモーダル データ ストリームは、テキストベースの SA を超えて期待される結果を最適化するための新しい機会を提供します。
私たちの研究は、ソーシャルメディアネットワークに投稿されたビジュアルおよびテキストデータを調査するマルチモーダルSAの最前線の分野に焦点を当てています。
多くの人は、この情報を利用して、これらのプラットフォームで自分自身を表現する可能性が高くなります。
この急速に成長する分野の学者向けのリソースとして機能するために、データの前処理、特徴抽出手法、感情ベンチマーク データセット、各分野に適した複数の分類手法の有効性など、テキストおよびビジュアル SA の包括的な概要を紹介します。
また、最も頻繁に使用されるデータ融合戦略の簡単な紹介と、ビジュアル-テキスト SA に関する既存の研究の概要も提供します。
最後に、最も重要な課題に焦点を当て、いくつかの重要なセンチメント アプリケーションを調査します。

要約(オリジナル)

Social media networks have become a significant aspect of people’s lives, serving as a platform for their ideas, opinions and emotions. Consequently, automated sentiment analysis (SA) is critical for recognising people’s feelings in ways that other information sources cannot. The analysis of these feelings revealed various applications, including brand evaluations, YouTube film reviews and healthcare applications. As social media continues to develop, people post a massive amount of information in different forms, including text, photos, audio and video. Thus, traditional SA algorithms have become limited, as they do not consider the expressiveness of other modalities. By including such characteristics from various material sources, these multimodal data streams provide new opportunities for optimising the expected results beyond text-based SA. Our study focuses on the forefront field of multimodal SA, which examines visual and textual data posted on social media networks. Many people are more likely to utilise this information to express themselves on these platforms. To serve as a resource for academics in this rapidly growing field, we introduce a comprehensive overview of textual and visual SA, including data pre-processing, feature extraction techniques, sentiment benchmark datasets, and the efficacy of multiple classification methodologies suited to each field. We also provide a brief introduction of the most frequently utilised data fusion strategies and a summary of existing research on visual-textual SA. Finally, we highlight the most significant challenges and investigate several important sentiment applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google