基于多視圖關注網絡的圖文多模態(tài)情感分析模型

打開文本圖片集

摘  要： 針對現(xiàn)有多模態(tài)情感分類模型無法全面、準確地捕獲復雜的情感信息，以及融合過程中沒有充分挖掘兩者之間的潛在關聯(lián)，導致模型結構冗余復雜、計算效率低下的問題，提出一種多視圖關注網絡（MPF?Net）模型。該模型通過引入多維感知特征捕獲機制，全面而精確地獲取圖像和文本中蘊含的情感信息；其次，采用增強的記憶互動學習機制，使模型能夠更加有效地提取和融合單模態(tài)特征，并在多輪迭代中不斷更新和優(yōu)化這些特征，從而捕捉到更深層次的情感細節(jié)；再構建一個高級深度學習框架，該框架采用生成對抗網絡（GAN）與池化技術的深度融合單元，以實現(xiàn)復雜數(shù)據特征的高效提取與整合；最后，在保留原有特征信息的基礎上進行特征整合，同時通過降維技術降低模型的復雜性，提高計算效率。（剩余13047字）