申请/专利权人：同济大学;之江实验室

申请日：2023-04-23

公开（公告）日：2024-03-22

公开（公告）号：CN117744016A

主分类号：G06F18/25

分类号：G06F18/25;G06F18/241;G06F18/214;G06N3/044;G06N3/0464;G06N3/08;G06F16/33

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明提供了一种主题导向的多模态数据情感分析方法，具有这样的特征，包括以下步骤：步骤S1～S4，根据图片信息Image和文本信息Text，得到主题相关的图片信息It和文本特征向量T；步骤S5～S6，根据主题相关的图片信息It和文本特征向量T，得到双向数据融合结果ZT→I和ZI→T；步骤S7，将双向数据融合结果ZT→I和ZI→T经由contact操作和标准Transformer网络，得到图文融合表示；步骤S8，将图文融合表示依次经由全连接层和Softmax计算，得到情感极性。总之，本方法能够提高情感分析预测结果的准确性。

主权项：1.一种主题导向的多模态数据情感分析方法，用于通过文本信息Text和图片信息Image预测情感极性yp，其特征在于，包括以下步骤：步骤S1，将所述图片信息Image输入预训练视觉骨干模型，再经由卷积层，得到图片特征向量I；步骤S2，将所述文本信息Text输入第一预训练语言模型，再经由所述卷积层，得到文本特征向量T；步骤S3，将所述文本信息Text输入预训练主题模型，得到文本主题信息Topic，再将所述文本主题信息Topic输入第二预训练语言模型，再经由所述卷积层，得到主题特征向量Tt；步骤S4，将所述图片特征向量I和所述主题特征向量Tt输入第一跨模态Transformer模块，得到主题相关的图片信息It；步骤S5，将所述主题相关的图片信息It和所述文本特征向量T输入第二跨模态Transformer模块，得到双向数据融合结果ZT→I；步骤S6，将所述文本特征向量T和所述主题相关的图片信息It输入第三跨模态Transformer模块，得到双向数据融合结果ZI→T；步骤S7，将所述双向数据融合结果ZT→I和所述双向数据融合结果ZI→T经由contact操作进行连接，再输入标准Transformer网络，得到图文融合表示z；步骤S8，将所述图文融合表示z依次经由全连接层和Softmax计算，得到所述情感极性yp，其中，所述第一跨模态Transformer模块、所述第二跨模态Transformer模块和所述第三跨模态Transformer模块均为包括D个跨模态注意力模块的跨模态Transformer模块，所述第一跨模态Transformer模块、所述第二跨模态Transformer模块和所述第三跨模态Transformer模块各自参数独立。

全文数据：

权利要求：

百度查询： 同济大学;之江实验室 主题导向的多模态数据情感分析方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD