マルチモーダル画像感情分析のためのAutoMLベースのアプローチ

センチメント分析は、データからその感情的反応（センチメント）に関する情報を抽出することを目的とする研究分野である。この技術の応用範囲は広く、レコメンデーションシステムやマーケティング、顧客満足度分析などにまで及びます。近年のアプローチでは、大規模なコーパスを用いて訓練された機械学習技術を活用してテキストコンテンツの分析が行われている。しかし、ソーシャルメディアの拡大に伴い、画像など他のデータタイプも大量に出現するようになった。画像におけるセンチメント分析は、文脈を構築し、関連性を明確化することで、背後にあるメッセージの極性を推定できるため、テキストデータに対する貴重な補完手段としての役割を果たしていることが示されている。マルチモーダルセンチメント分析は、テキストと画像の両方の情報を活用して感情を評価することを目指している。しかし、最近の進展にもかかわらず、現行の手法は、主観性、クラス間の類似性、およびデータ融合における差異といった要因により、画像とテキスト情報を効果的に統合してソーシャルメディアデータの分類を行うことにおいて依然として課題を抱えている。本論文では、AutoMLを活用し、テキストと画像の個別センチメント分析結果を統合する最終分類手法を提案する。この手法は、ランダムサーチにより最適なモデルを自動探索する仕組みを採用しており、B-T4SAデータセットにおいて95.19％の精度という最先端の性能を達成した。