咨询与建议

看过本文的还看了

相关文献

该作者的其他文献

文献详情 >基于多任务学习的时序多模态情感分析模型 收藏

基于多任务学习的时序多模态情感分析模型

Sequential multimodal sentiment analysis model based on multi-task learning

作     者:章荪 尹春勇 ZHANG Sun;YIN Chunyong

作者机构:南京信息工程大学计算机与软件学院南京210044 

出 版 物:《计算机应用》 (journal of Computer Applications)

年 卷 期:2021年第41卷第6期

页      面:1631-1639页

学科分类:081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术(可授工学、理学学位)] 

基  金:国家自然科学基金面上项目(61772282) 

主  题:情感分析 多模态 多任务学习 序列学习 特征融合 

摘      要:针对时序多模态情感分析中存在的单模态特征表示和跨模态特征融合问题,结合多头注意力机制,提出一种基于多任务学习的情感分析模型。首先,使用卷积神经网络(CNN)、双向门控循环神经网络(Bi GRU)和多头自注意力(MHSA)实现了对时序单模态的特征表示;然后,利用多头注意力实现跨模态的双向信息融合;最后,基于多任务学习思想,添加额外的情感极性分类和情感强度回归任务作为辅助,从而提升情感评分回归主任务的综合性能。实验结果表明,相较于多模态分解模型,所提模型的二分类准确度指标在CMU-MOSEI和CMU-MOSI多模态数据集上分别提高了7.8个百分点和3.1个百分点。该模型适用于多模态场景下的情感分析问题,能够为商品推荐、股市预测、舆情监控等应用提供决策支持。

读者评论 与其他读者分享你的观点

用户名:未登录
我的评分