基于话语间时序多模态数据的情绪分析方法

• 作者: 冯广 江家懿 罗时强 伍文燕
• 来源期刊: 计算机系统应用
• 关键词: 时序多模态数据 双向门控循环网络 注意力机制 情绪分析
• 年，卷（期）: 2022,（5）
• 所属期刊栏目: 软件技术·算法|Software Technique · Algorithm
• 页码范围: 195-202
• 页数: 8页
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.008475

摘要

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.