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
