随着互联网和移动终端设备的飞速发展,社交网络用户从被动消费内容方式向用户主动创建和分享内容方式转变。文本图片组合是社交网络常见的表达方式。如何从海量社交图片中快速找到适合用户生成内容的图片是一个挑战性的问题。论文以新浪微博和花瓣网为研究平台,针对用户生成的微博文本,分析其内容与情感表达,为用户生成适合的候选图片列表供用户选择。论文主要工作包括如下:1、面向中文情感词汇本体建立了一个大规模图像情感分析数据集。目前的图片情感数据集均基于英文词汇收集,而微博用户发表的内容大多数为中文,因此在文本图片情感匹配时需要进行转换,将英文情感词映射为中文情感词,影响情感匹配的精度。针对这一问题,利用大连理工大学发布的中文情感词汇本体作为情感关键词在Flickr上获取带有中文文本信息的图片;然后设计了一种清洗数据集的方法,利用情感关键词、图片描述文本和标签的极性冲突滤除噪声图片。最后建立了一个包含275 687张单标签图像和29 022张多标签图像的中文情感数据库。2、提出了一种融合局部与全局信息的图片情感分析方法。首先,判断图片是否存在显著性目标。如果存在,根据设计的规则对显著性目标区域进行矫正,然后提取局部区域,利用局部区域单独训练的模型对其进行情感分析。最后将局部区域与原始图片的预测结果进行融合得到最终的预测结果。如果图片不存在显著性目标,情感的预测结果直接由原图得到。提出方法将全局信息和局部信息有机融合,提升了情感分析性能。3、实现了一种融合内容与情感相似性的文配图系统。基于Django框架开发了一套文配图系统。系统和微博平台有接口,可以实现无缝连接。对用户键入的微博文本,自动进行内容和情感分析,将其与图片库中的图片进行一致性计算,获取候选图片;最后,将产生的候选图片提供给用户选择,用户发表的文字和选择的图片可以在微博平台发表。