近年来,各种多模态内容社区伴随着移动互联网的发展和通讯技术的变革应运而生并且正在逐渐成为人们主流的社交工具,而评论是这些内容社区中最常见的组成部分之一,它对于鼓励用户创作、增加用户的浏览兴趣以及传播作者的观点都有着不可忽视的作用,但是一般来说,用户发表的评论质量往往良莠不齐,而且有大量发表作品的用户缺乏评论互动,这非常不利于内容社区的建设。因此,构建一个良好的自动评论系统已经成为一种需求。随着近几年机器学习和深度学习技术的发展,研究者们在评论排序、评论生成等方面都取得了巨大的进步,然而,很少有工作能够着眼于多模态的角度,同时利用文字、图像或视频的信息与评论进行关联。因此,本文的主要工作是对多模态内容社区的自动评论系统进行定制,这个系统旨在解决跨模态的语义关联问题,当评论区存在适量评论时,系统可以对评论集合进行内容相关性排序,当评论区缺乏评论时,系统可以根据作者发表的内容生成高质量的评论。本文在相关工作的基础上,将自动评论系统的构建主要分为三个部分。首先,在多模态内容社区中,一条高质量的评论往往和作者所发布内容中的图像或者文字相关,也就是用户提供的文本和图像存在语义一致性的特点,因此,本系统针对此思路进行设计,通过对分类模型构建的传统标签体系进行标签扩展,构建了细致、灵活、具备一定语义扩展能力的图像标签化模块,用于解决跨模态的语义关联问题;其次,着眼于评论的内容相关性排序,通过对评论信息量、评论与作者所发布内容中的文字信息的相关性以及评论与图像标签的相关性这三部分进行评估,构建了评论排序模块,用于对用户评论进行筛选;最后,为了使得系统能够为缺乏评论的作者生成合适的评论,本文基于第一部分得到的图像标签以及微软发布的UNILM模型,构建了口语化特征明显、具有丰富多样性的评论生成模块。本文还对图像标签化、评论排序、评论生成等模块分别进行了评测和应用效果展示,进一步论证本系统的有效性和实用性。总而言之,本文实现了面向多模态内容社区的自动评论的系统,该系统通过构建图像富文本语义标签模块,能够较好的解决跨模态的语义关联问题,进而灵活地为评论排序功能和评论生成功能提供指导。