基于话语间时序多模态数据的情绪分析方法
长期以来,传统的基于单模态数据情绪分析方法存在分析角度单一、分类准确率低下等问题,时序多模态数据的分析方法为解决这些问题提供了可能.本文基于话语间的时序多模态数据,对现有的多模态情绪分析方法进行了改进,使用双向门控循环网络(Bi-GRU)结合模态内和跨模态的上下文注意力机制进行情绪分析,最后在MOSI和MOSEI数据集上进行验证.实验表明,利用话语间的时序多模态数据,并且充分融合模态内以及跨模态上下文信息的方法,能够从多模态特征和时序特征的角度进行情绪分析,从而有效提高情绪分析任务的分类准确率.
时序多模态数据、双向门控循环网络、注意力机制、情绪分析
31
TP391;TP181;TN911.7
国家自然科学基金;中国高校产学研创新基金
2022-05-17(万方平台首次上网日期,不代表论文的发表时间)
共8页
195-202