Abstract

Fifth generation mobile networks (5G) is coming into our life and it will not only provide an increase of 1000 times in Internet traffic in the next decade but will also offer “smarter” user experience. With the commercial uses of 5G, online social networks and smart phones will spring up again. Then cross-modality data will play a more important role in the daily information dissemination. As an effective way of content analysis, topic detection has attracted much research interest, but conventional topic analysis is undergoing the limitations from the cross-modality heterogenous data. This paper proposes a sentimental image dominant graph topic model, that can detect the topic from the heterogenous data and mine the sentiment of each topic. In details, we design a topic model to transfer both the low-level visual modality and the high-level text modality into a semantic manifold, and improve the discriminative power of CNN feature by jointly optimizing the output of both convolutional layer and fully-connected layer. Furthermore, since the sentimental impact is very significant for understanding the intrinsic meaning of topics, we introduce a semantic score of subjective sentences to calculate the sentiment on the base of the contextual sentence structure. The comparison experiments on the public cross-modality benchmark show the promising performance of our model. So our method using AI technology will facilitate the intellectualization of 5G.

中文翻译：

---

启用5G：用于跨模态主题检测的情感图像优势图主题模型

摘要

第五代移动网络（5G）即将进入我们的生活，它不仅将在未来十年内提供1000倍的Internet流量，而且还将提供“更智能”的用户体验。随着5G的商业用途，在线社交网络和智能手机将再次兴起。然后，跨模式数据将在日常信息发布中发挥更重要的作用。作为一种有效的内容分析方法，主题检测吸引了许多研究兴趣，但是传统的主题分析正受到跨模式异构数据的局限。本文提出了一种情感图像主导图主题模型，该模型可以从异构数据中检测出主题并挖掘每个主题的情感。详细来说，我们设计了一个主题模型，将低级视觉形态和高级文本形态转化为语义流形，并通过共同优化卷积层和全连接层的输出来提高CNN特征的判别能力。此外，由于情感影响对于理解主题的内在意义非常重要，因此我们引入主观句子的语义评分以基于上下文句子结构来计算情感。在公共交叉模式基准上的比较实验显示了我们模型的良好前景。因此，我们使用AI技术的方法将有助于5G的智能化。通过共同优化卷积层和全连接层的输出来提高CNN特征的判别能力。此外，由于情感影响对于理解主题的内在意义非常重要，因此我们引入主观句子的语义评分以基于上下文句子结构来计算情感。在公共交叉模式基准上的比较实验显示了我们模型的良好前景。因此，我们使用AI技术的方法将有助于5G的智能化。通过共同优化卷积层和全连接层的输出来提高CNN特征的判别能力。此外，由于情感影响对于理解主题的内在意义非常重要，因此我们引入主观句子的语义评分以基于上下文句子结构来计算情感。在公共交叉模式基准上的比较实验显示了我们模型的良好前景。因此，我们使用AI技术的方法将有助于5G的智能化。在公共交叉模式基准上的比较实验显示了我们模型的良好前景。因此，我们使用AI技术的方法将有助于5G的智能化。在公共交叉模式基准上的比较实验显示了我们模型的良好前景。因此，我们使用AI技术的方法将有助于5G的智能化。