典型文献
基于STD-Transformer网络的多模态情感分析
文献摘要：
针对当前多模态网络存在模态特征信息提取困难、模态间的信息差异,模态间信息融合不充分而导致网络模型预测精度低等问题,提出基于STD-Transformer网络的多模态网络模型.模型主要由时域、空间域模块提取音频和文本信息,同时学习输入特征的时域信息与模态间的空间信息;通过改进Transformer模型提取视频序列信息,使网络能够学习到输入特征的抽象性信息;为了有效减小不同模态间异构性的特性,通过注意力融合模块把提取的异构信息进行融合,输出到分类器和回归器进行情感分类和预测.所提网络模型在公共数据集SIMS进行,实验结果表明:在数据集CH-SIMS上的指标ACC-2和F1分别达到81.44％和80.48％.
文献关键词：
多模态学习;情感分析;注意力机制;transformer模型;多模态
中图分类号：
作者姓名：
庄国航;伊力哈木·亚尔买买提
作者机构：
新疆大学电气工程学院,乌鲁木齐 830017
文献出处：
引用格式：
[1]庄国航;伊力哈木·亚尔买买提-.基于STD-Transformer网络的多模态情感分析)[J].激光杂志,2022(08):95-100
A类：
B类：
STD,Transformer,多模态情感分析,多模态网络,模态特征,特征信息提取,息差,信息融合,空间域,音频,文本信息,输入特征,时域信息,空间信息,视频序列,序列信息,够学,抽象性,异构性,注意力融合,出到,分类器,情感分类,分类和预测,公共数据,SIMS,CH,ACC,多模态学习,注意力机制,transformer
AB值：
0.49529
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
