近年来随着社交网络的发展,人们倾向于在社交平台上使用文本、图片、视频等多模态信息来表达观点或情感。分析社交媒体数据中蕴含的情感表达,对个性化推荐、突发事件分析等应用具有重要意义。目前,传统的研究工作大多集中在文本或图像单一模态的分析,而针对图文多模态情感分析的研究开展较少。本文以社交网络的多模态情感分析为应用背景,考虑了图文多模态情感分析中两类信息的有效融合问题,论文的主要工作总结如下:本文首先提出了基于双向循环神经网络的多层图文信息融合情感分析模型MFC。该模型先使用多分支的卷积神经网络提取图像和文本的特征,进行维度压缩后,以前后双向顺序的方式输入到循环神经网络进行特征融合,以此为基础进行情感分类。进一步,为提升情感分类的性能,本文增加了一个模态间情感冲突检测预处理方法。该方法利用图像与文本的情感倾向分布选择不同的融合分支。数据集上的实验结果表明基于双向循环神经网络的多层图文信息融合情感分析模型取得较好的性能。基于以上情感分析模型,我们设计并实现了一个面向社交网络的多模态情感分析系统。该系统采集社交网络数据并给出情感分析结果。本文完成了面向社交网络的图文跨模态情感分析系统的概要设计、详细设计以及系统的实现。最后本文基于热门话题对该系统进行了测试,结果表明该系统在面向社交网络的图文跨模态情感分析任务中表现出较好的效果,具有潜在的应用价值。