导读:本文包含了情感检索论文开题报告文献综述及选题提纲参考文献，主要关键词:情感,认知,用户信息,检索行为
情感检索论文文献综述
崔登嬴[1]（2019）在《情感与认知视角下用户信息检索行为模型研究》一文中研究指出情感与认知直接影响用户的信息行为,探索用户的认知行为特征是必要的。信息检索本质上是一个认知过程,从情感与认知角度把握用户行为特点,有助于发掘用户潜在需求,制定更为科学的信息服务策略。介绍了互联网环境下用户信息检索行为的特点,分析了情感与认知对用户信息检索行为的影响,建立了用户信息检索行为模型,提出情感与认知视角下用户信息检索行为的引导机制。(本文来源于《图书馆学刊》期刊2019年06期）
李京津,黄昆,袁心,吴英梅[2]（2019）在《信息查询与检索领域中用户情感因素的界定与应用》一文中研究指出[目的/意义]通过调研和梳理信息查询与检索领域情感相关的研究工作,梳理情感因素的界定和应用现状。[方法/过程]从情感视角出发,对国内外信息查询与检索领域中涉及情感的研究工作进行分析,从情感相关提法的概念、情感因素的类型、基于情绪理论的情感表示及其应用等角度进行分析。[结果/结论]情感相关提法多样,大致包括情感、情感因素两类,前者主要包括印象、情绪、情感、感情等。后者比前者更宽泛,还会涉及非情绪因素。总体而言,基于情绪理论界定和表示情感因素的研究最为普遍,大都沿用心理学中相关概念,较少进行严格区分。最后,从情感的概念、情感因素的类型、情感的测量与应用角度进行总结,并展望未来研究方向。(本文来源于《图书情报工作》期刊2019年07期）
陈贞[3]（2019）在《基于模糊专家规则的音乐情感识别检索研究》一文中研究指出音乐是日常生活中不可或缺的一种情感表达方式,检索音乐的主要方式有检索歌曲名称、演唱者姓名、歌词片段等。另外,通过对音乐情感进行模糊化处理,并根据音乐专家的经验知识,建立音乐情感模糊规则表以及音乐情感模糊语句,能人们更加准确和高效地寻检索到自己喜爱的音乐歌曲。(本文来源于《年轻人》期刊2019年12期）
张晓萌[4]（2018）在《基于内容的男T恤图像情感语义识别和检索》一文中研究指出目前,计算机技术迅速发展,愈来愈多的图像出现在人类的视野中,图像识别技术成为识别领域中一个重要的探究目标。对图像情感语义层面进行数据挖掘与知识发现,一直以来受到业内的关注,怎样正确识别图像包含的情感信息,在技术上也是一个具有挑战性的工作。利用计算机技术实现图像识别,已经上升到情感语义层次。基于人类视觉的图像情感语义分析是主观的,因此实现图像情感语义分析需要借鉴心理学、图像处理以及模式识别等多领域理论和技术。基于情感语义的图像识别是实现图像情感检索的重要研究内容,服装图像作为图像的一种,以基于视觉特征提取的情感语义分析来实现图像情感语义识别和检索,是本文的主要研究内容。前期经过对男T恤图像情感语义描述的主观评价投票,确定男T恤图像情感语义描述的常用8对描述词,随后通过被测者对每张男T恤图像的8对情感词描述值进行投票,一定数量被测者投票后,可计算并统计每张图像的情感描述词得分的平均值;然后使用因子分析方法,建立了以3个互相独立的因子向量组成的图像情感语义空间。对男T恤的情感因子与其低层特征之间的关联关系进行分析,在HSV颜色空间下处理男T恤图像,得出可用11维特征(10维饱和度-冷暖模糊直方图加1维的彩色对比度)表征第1个因子的情感语义;可用257维(256维的灰度直方图加1维彩色对比度)来表征第2个因子的情感语义;因子3用4维(3维的Tamura纹理特征提取算法的要素参数加1维平均色调)特征来表征第3个因子的情感语义。最后利用支持向量机(SVM)建立了3个情感因子和图像低层特征之间的映射关系模型,可自动的根据男T恤图像的低层特征计算其3个情感因子值,进而算出其8对情感语义描述值,实现了男T恤图像的情感语义识别;根据男T恤图像的3个情感因子向量,利用相似度度量算法,实现了基于内容的男T恤图像情感语义检索。在实验阶段,获得了较好的识别和检索效果。本课题结合服装领域知识和情感心理学等相关知识,找到了男T恤图像情感语义描述值和其低层特征之间的关联关系。通过本课题的研究表明:针对专业领域的图像,结合领域知识有助于实现基于内容的情感语义识别和检索。对基于内容的男T恤图像情感语义识别和检索课题进行研究,研究成果可应用于男T恤的评价、设计、电商等方面,具有一定的应用价值。(本文来源于《北京服装学院》期刊2018-12-01）
朱银平[5]（2018）在《基于直方图密度混合模型的音乐情感识别及检索系统的研究与实现》一文中研究指出在现代社会的快节奏和高压力生活中,大街小巷到处充满音乐之声。在日常生活中,人们通过音乐来进行释放和缓解压力、调节情绪,长久以来人们对音乐的需求就不再仅仅是休闲娱乐,更多的是寻求情感的共鸣。然而,大数据时代的音乐资源相当丰富,对音乐进行情感识别能够准确快速的找到所需求情感的音乐。人的主体的主观性非常强,这促使不同的人对同一音乐的情感认识并不相同,为了能够准确识别音乐的情感,音乐情感识别研究需要充分考虑人的主体性,因此,越来越多的研究者尝试使用效价—唤醒度(VA)情感空间作为音乐的情感空间。此外,研究证实音乐信号的声学信号特征对音乐情感研究意义重大。本文采用直方图密度混合模型进行音乐情感识别。HDM模型方法将VA情感空间量化为G*G格,用二维直方图密度估计来模拟音乐的情感分布。通过线性组合不同音频主题生成的学习直方图的权重,来对测试集中未知情感的音乐进行情感预测,最后根据模型对测试集的预测值与测试集实际值的ED、MEA、RMSE等参数来对该模型进行评价。本文主要采用SVR、KNN、集成学习、AEG(声音情感高斯模型)和HDM五种方法进行实验对比。本文采用的模型在VA空间中没有参数分布假设,且模型训练迅速和能够准确地预测音乐的情感。本文是在AMG1608情感注释数据集中进行性能研究的,该数据集的1608首30s音乐片段的情感标签是由665名参与者注释完成的。实验结果表明,使用HDM模型对音乐进行情感识别有较高的准确率,即较好的识别效果。同时,本论文还设计实现了一个基于Android的音乐情感检索系统。使用MATLAB完成HDM模型算法实现过程,在AMG1608数据集的基础上进行HDM模型的训练,然后开发实现Android音乐检索系统,将Android与MATLAB相连接,根据音乐的情感结果与用户选择的情感类别相匹配来实现音乐检索系统的情感检索功能。(本文来源于《天津师范大学》期刊2018-05-01）
郝艳宾[6]（2017）在《基于嵌入学习的近重复视频检索和跨域情感分类研究》一文中研究指出随着互联网技术和智能硬件设备的高速发展,丰富的多媒体数据出现在网络上。视频和文本作为两类重要的媒体信息载体,是多媒体信息处理领域中的重要研究对象。嵌入学习在多媒体数据存储、检索和分类等领域已被广泛应用,其旨在发掘并利用数据的本质特性生成其对应的低维向量表示。论文以近重复视频检索和跨域情感分类为研究课题,提出一些新颖的基于嵌入学习的视频和文本表示方法,挖掘数据的内容信息并生成准确的数据签名。近重复视频检索主要研究如何搜索与查询视频相同或相近的视频,其核心任务是视频信息的准确提取与表示。它是多媒体信息处理领域中一个重要的研究课题,其相关应用包括视频搜索、视频推荐和版权保护等。随着网络视频数量的增加,除了传统的准确性指标外,许多近重复视频检索系统越来越关注系统的高效性和可扩展性。跨域情感分类的任务是通过依靠源域中的监督数据来获得能够适用于目标域的情感分类器,其主要研究如何减小不同领域间单词分布的差异和如何生成准确描述文本数据的签名。为了解决上述问题,同时考虑视频和文本数据的特性,论文提出了基于嵌入学习的数据表示方法,包括叁种用于近重复视频检索的哈希方法和一种用于跨域情感分类的嵌入方法。本论文的主要工作总结如下:1.基于高斯分布的随机多视角哈希方法为了提高大规模近重复视频检索的准确率和速度,论文采用基于高斯分布的随机多视角哈希方法将多种视频关键帧的底层特征进行融合,并结合关键帧间的结构信息和可利用的监督信息,生成视频的最终哈希码序列表示。该方法通过最大化广义的检索准确率和召回率来学习可靠的映射函数。并且,方法采用复合的Kullback-Leibler(KL)散度测度来近似估计此检索分数,其随机地匹配了原始特征空间和准哈希码空间的近邻结构。实验结果表明,与其他近重复视频检索方法相比,本文的方法获得了更好的检索性能和更高的检索效率。2.基于t分布的随机多视角哈希方法及其深度哈希扩展为了提升非监督学习的鲁棒性,论文提出基于t分布的随机多视角哈希方法。该方法采用基于高斯估计获得的连续相似度和基于互惠邻居获得的离散相似度来融合多种视频特征,并通过最小化原始特征空间和准哈希码空间的概率相似度结构的KL散度来学习哈希函数。为了减小远距离映射对象对尺度变化的敏感性,方法采用学生t分布来估计关键帧的准哈希码向量间的相似度,以便将原始空间中的非监督近邻结构更准确地保存到准哈希码空间中。此外,为了思考非监督深度学习的问题和促进大规模检索的发展,论文将该方法扩展到非监督的深度学习上。通过应用相同的优化目标方程和构建基于一个深度神经网络的哈希映射函数,开发一种用于训练深度哈希网络的鲁棒非监督的训练策略。3.基于嵌入的跨域情感分类方法为了实现跨域情感分类任务,论文提出一种基于嵌入的文本映射方法。该方法采用若干个轴点(pivot)连接源域和目标域,通过构建叁个概率相似度匹配模型来学习文本数据的映射函数,并最终生成两个领域中单词和文档数据的嵌入向量表示。轴点被用来减小源域和目标域中单词分布的差异,而叁个概率相似度匹配模型则被用来保存文本数据在原始特征空间中的近邻结构关系到生成的嵌入空间中。情感分类的实验结果验证了本方法的效率和有效性。(本文来源于《合肥工业大学》期刊2017-10-01）
逯波,段晓东,王存睿,李泽东[7]（2016）在《基于多图学习的情感图像检索研究》一文中研究指出构建了一个统一的多图学习框架,来验证在不同类别情感图像中,使用不同级别特征在情感图像检索上的性能表现。首先,提取每个图像在不同层级上的共有特征,其中,从元素级别提取的一般特征作为底层特征;可解释的属性特征作为中层特征;而情感图像的语义感念描述作为高层特征。其次,为每种类型的特征构建一个图模型来验证情感图像检索的性能。最后,将多个图模型合并在一个规范化的框架内来学习每个图模型的优化权重。通过在5个不同数据集上得到的实验结果验证了所提方法的有效性。(本文来源于《大连民族大学学报》期刊2016年05期）
武频,陶聪,朱永华,颜宏杰,高宏浩[8]（2015）在《基于情感语义的图像注释与检索》一文中研究指出图像情感语义的注释与检索起步不是很久,涉及了很多学科的综合知识,需要对心理学、计算机科学、生理学等各门学科的知识和前沿成果都有比较深入的了解,这个领域的研究充满了挑战和难度,同时其后续研究也存在着很大的可能性。情感语义是图像语义的最高层次,在图像情感语义注释和检索中起着很重要的作用。文中具体研究了底层特征提取中现有的一些常用方法,构建出图像的底层特征数据库。应用因子分析法对实验收集的用户情感数据库进行分析,构建出情感空间作为图像情感语义注释的基础。首次将LSSVM应用于图像情感语义注释上,实现了图像底层特征到高层情感语义的映射。然后通过相似度计算,在情感空间中完成图像的情感检索。实验结果取得了不错的用户满意度。(本文来源于《计算机技术与发展》期刊2015年10期）
杨瑞[9]（2015）在《基于颜色情感语义的检索系统的设计与实现》一文中研究指出网络的快速发展以及各种应用软件和平台的广泛使用,产生了大量的多媒体信息,跨媒体信息检索技术越来越受到人们的重视。近几年,图像逐渐成为信息的主要载体,人们对图像及情感语义的检索的要求日益扩大。图像低层视觉特征与高层语义之间存在的“语义鸿沟”制约了图像情感检索技术的发展,而图像颜色特征是对图像情感的最显着表达,因而迫切需要对图像颜色情感语义的工程化问题进行深入的研究。作为跨媒体知识检索系统一个重要研究内容,基于颜色情感语义的检索研究的重点是如何将颜色的情感语义应用到图像检索功能中。其中具体研究和解决的关键问题在于如何建立图像的底层特征与情感语义的关系。本文围绕着“利用颜色情感语义实现图像检索的工程化应用”这一主题,通过分析和研究图像的底层颜色特征与情感的关系,利用心理学中普拉奇克(Plutchik)颜色情感叁维模型,提取图像的主色调特征,建立图像-颜色-情感之间的语义关联。系统实验采用Corel标准图像库中的部分风景图像及作者新添加的部分相关图像,同时应用开源工具包Lucene、LIRE对图像的特征信息与情感语义进行索引,实现了一种可用于跨媒体搜索引擎的基于颜色情感语义的图像检索系统。具体工作可以概括为以下叁方面:(1)图像特征的提取系统首先对图像进行颜色空间变换,然后利用颜色直方图算法获取图像主色调特征,进而将主色调映射到对应的颜色情感空间,这样就完成了对图像的颜色和情感语义的特征信息提取。(2)颜色情感语义的建立基于对色彩心理学的研究,依据普拉奇克(Plutchik)颜色情感模型,并考虑色彩的社会情感和自然情感特征,构建可用于本项目的中文特色的颜色情感空间。进一步,根据图像的主色调和颜色情感空间的关系,实现图像颜色与情感语义的关联。(3)基于Lucene和LIRE的系统构建基于搜索引擎架构的关键技术进行分析,结合本文颜色情感语义的关联设计,利用Lucene和LIRE相关技术,开发实现基于颜色情感语义的检索系统。本文设计了颜色与情感语义的关联方法,实现了一种基于颜色情感语义的检索系统。使用户可以分别用类似于谷歌知识图(knowledge graph)的情感关键词检索,以及百度识图的“以图搜图”两种图像情感语义检索功能,本系统可进一步应用于跨媒体知识搜索引擎的相关研发。(本文来源于《河南大学》期刊2015-05-01）
赵亮[10]（2015）在《基于音乐情感特征提取的音乐检索分析》一文中研究指出音乐的声音特质、表演的方式、歌词都会影响我们对音乐的检索,而对于同一首乐曲我们在听的过程中也会产生不一样的变化,所以我们会在音乐的检索上遇到一定的阻碍,那就是音乐的情感特征而影响音乐的检索,文章从音乐的情感特征出发,对其提取音乐的检索进行分析。(本文来源于《信息通信》期刊2015年04期）
情感检索论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
[目的/意义]通过调研和梳理信息查询与检索领域情感相关的研究工作,梳理情感因素的界定和应用现状。[方法/过程]从情感视角出发,对国内外信息查询与检索领域中涉及情感的研究工作进行分析,从情感相关提法的概念、情感因素的类型、基于情绪理论的情感表示及其应用等角度进行分析。[结果/结论]情感相关提法多样,大致包括情感、情感因素两类,前者主要包括印象、情绪、情感、感情等。后者比前者更宽泛,还会涉及非情绪因素。总体而言,基于情绪理论界定和表示情感因素的研究最为普遍,大都沿用心理学中相关概念,较少进行严格区分。最后,从情感的概念、情感因素的类型、情感的测量与应用角度进行总结,并展望未来研究方向。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
情感检索论文参考文献
[1].崔登嬴.情感与认知视角下用户信息检索行为模型研究[J].图书馆学刊.2019
[2].李京津,黄昆,袁心,吴英梅.信息查询与检索领域中用户情感因素的界定与应用[J].图书情报工作.2019
[3].陈贞.基于模糊专家规则的音乐情感识别检索研究[J].年轻人.2019
[4].张晓萌.基于内容的男T恤图像情感语义识别和检索[D].北京服装学院.2018
[5].朱银平.基于直方图密度混合模型的音乐情感识别及检索系统的研究与实现[D].天津师范大学.2018
[6].郝艳宾.基于嵌入学习的近重复视频检索和跨域情感分类研究[D].合肥工业大学.2017
[7].逯波,段晓东,王存睿,李泽东.基于多图学习的情感图像检索研究[J].大连民族大学学报.2016
[8].武频,陶聪,朱永华,颜宏杰,高宏浩.基于情感语义的图像注释与检索[J].计算机技术与发展.2015
[9].杨瑞.基于颜色情感语义的检索系统的设计与实现[D].河南大学.2015
[10].赵亮.基于音乐情感特征提取的音乐检索分析[J].信息通信.2015