Visual and textual sentiment analysis of brand-related social media pictures using deep convolutional neural networks

Diese Publikation ist nur in englischer Sprache verfügbar.  

Abstract: 

Bilder in sozialen Medien stellen für Unternehmen eine reichhaltige Wissensquelle dar, um die Meinung der Verbraucher zu verstehen, da sie in Echtzeit und zu geringen Kosten verfügbar sind und ein aktives Feedback darstellen, das nicht nur für Unternehmen, die Produkte entwickeln, sondern auch für ihre Konkurrenten und potenzielle Verbraucher von Bedeutung ist. Um die Gesamtstimmung eines Bildes einschätzen zu können, ist es wichtig, nicht nur die Stimmung der visuellen Elemente zu beurteilen, sondern auch die Bedeutung des enthaltenen Textes zu verstehen. In diesem Beitrag wird ein Ansatz zur Schätzung der Gesamtstimmung von markenbezogenen Bildern aus sozialen Medien vorgestellt, der sowohl auf visuellen als auch auf textlichen Hinweisen basiert. Im Gegensatz zu bereits existierenden Arbeiten betrachten wir nicht den Text, der ein Bild begleitet, sondern den Text, der in ein Bild eingebettet ist, was eine größere Herausforderung darstellt, da der Text zuerst erkannt und erkannt werden muss, bevor seine Stimmung identifiziert werden kann. Basierend auf visuellen und textuellen Merkmalen, die von zwei trainierten Deep Convolutional Neural Networks (DCNNs) extrahiert werden, wird die Stimmung eines Bildes durch einen Machine Learning Classifier identifiziert. Der Ansatz wurde auf einem neu gesammelten Datensatz, dem "GfK Verein Dataset", angewandt und getestet, wobei verschiedene Algorithmen des maschinellen Lernens verglichen wurden. Die Experimente ergaben eine hohe Genauigkeit, was die Effektivität und Eignung des vorgeschlagenen Ansatzes beweist.