基于 Transformer 的多模态情感分析模型优化
期刊: 《社会与管理》 DOI:10.64649/yh.shygl.issn3105-0085.202603028 全文阅读 返回期刊
摘要
针对多模态情感分析中单一模态信息不完整跨模态语义偏移和特征冗余等问题，构建了基于Transformer的多模态情感分析模型优化框架。该框架以文本图像和音频为输入，利用多头自注意力机制提取模态内关键表征，通过跨模态交互编码实现语义对齐再结合门控融合与残差约束增强有效信息传递，为提升模型稳定性与判别能力，引入特征归一化动态权重调节和分类边界优化策略，减少噪声干扰并强化情感极性刻画。实验分析表明优化后的模型在情感识别准确性鲁棒性和泛化能力方面均表现更优，能够更稳定地捕捉复杂场景下的情感表达特征，为多模态情感理解任务提供了可行的技术支持。
关键词
Transformer；多模态情感分析；模型优化；特征融合；跨模态对齐
参考文献
[1]邱昕鹏,王翼虎,王继民. 基于多模态特征对齐与融合增强的论文研究思路相似性测度研究[J/OL].数据分析与知识发现,1-19[2026-04-18].
[2]张书睿,王静宇. 基于Transformer联邦学习的通信跨层资源动态调配研究[J].现代电子技术,2026,49(08):145-148+155.
[3]刘子未,倪丽萍,倪志伟,等. 基于大模型增强的多模态条件融合情感分析方法[J/OL].数据分析与知识发现,1-21[2026-04-18].
[4]刘庆霞,司贺杰,王俊方,等. Transformer多模态特征提取下图像目标边缘检测方法[J].信息技术与信息化,2026,(03):76-79.
[5]陈莎莎. 基于信息化深度学习的多模态音乐情感特征融合与分类[J].大众文艺,2025,(18):56-58.