mvso数据集

共有包含12种语言在内的730万张图片与相应的元数据

其中人工标注数量：11734

其大小分布为

Screenshot from 2018-11-09 22-33-01.png

数据标注方法：

三个人分别根据给出图片与对应描述打分，分数有六种，-2，-1，代表消极情感倾向，0代表不包含情感倾向，1，2代表积极情感倾向，没有打分代表图文传达出相矛盾的情感

三人打分一致的数据共有2329个图文对

其中

标签 对应数目
0：1225
1：1005
-1：62
2：30
-2：7
null ：0

至少两人达成一致的共有9793个图文对

其中

标签 对应数目
0：4524
1：4475
-1：403
2：360
-2：30
null：1

网络结构renet34

混淆矩阵.png

初步使用数据

我们将数据集进行处理，将标签从6个减少为3个，即将-2，-1看为-1，将1，2看为1，并去掉图文表达冲突的数据，然后将最少两人达成一致的数据提取出来作为初步数据集，其分布如下

数据分布

其中消极数据502个，中立数据4423，积极数据5744，数据量由11734减少为10669。
我们可以发现人们更倾向在社交网络上表达积极的情感。

文本数据

每个文本平均包含41.97个单词。
长度超过100的有1034个，没有描述的有169个，为了降低学习的难度我们将其从训练集中去掉，其余的长度分布如下

图像描述长度分布

认为不准确的图文对：

捕获1.PNG 屏幕截图(10).png 屏幕截图(18).png 屏幕截图(19).png 屏幕截图(20).png 屏幕截图(21).png 屏幕截图(22).png 屏幕截图(24).png 屏幕截图(25).png