基于多任务学习的多模态情绪识别方法
情绪分析是自然语言处理的一项基本任务,目前在单模态信息(文本)上的研究已经相当成熟.但是对于包含文本、图像和语音3种模态信息的多模态内容(如视频)来说,额外增加的模态信息让情绪分析变得更具挑战性.为了提升多模态情绪识别任务的性能,文中提出了一种基于多任务学习的神经网络方法,该方法在考虑模态内部信息的同时,充分结合了3种模态之间的联系.具体而言,首先对3种模态信息进行预处理,得到相应的特征表示;其次,分别为每个模态构建私有的双向LSTM,从而获得单模态的内部信息;分别为两两组合(文本-图像、文本-语音和图像-语音)的双模态信息构建共享的双向LSTM层,以学习双模态之间的动态交互信息;接着,为3种模态组合的信息构建一个共享的双向LSTM,从而捕捉3种模态之间的动态交互信息;最后,把网络层中得到的单模态的内部信息和多模态的动态交互信息进行融合,通过全连接层和Sigmoid层获取最终的情绪识别结果.在单模态实验中,相比于目前的最佳方法,所提方法在文本、图像和语音3个方面对所有情绪识别的效果分别平均提高了6.25％,0.75％和2.38％;在多模态实验中,该方法在情绪识别任务中达到了平均65.67％的准确率,相比其他基准方法有了明显的提升.
多模态、情绪识别、多任务学习、自然语言处理
46
TP391(计算技术、计算机技术)
国家自然科学基金61331011,61375073
2019-12-13（万方平台首次上网日期，不代表论文的发表时间）
共7页
284-290
