摘要
针对当前多模态情绪识别技术的识别稳定性差,导致识别精准度低的问题,提出了基于Ro⁃BERTa改进的多模态情绪识别关键技术研究.建立了基于RoBERTa改进的多模式情绪识别模型,对输入文本进行量化表示,并采用BIO标注的方法,对RoBERTa模型进行识别.通过计算RoBER⁃Ta语言模型学习节点间的相位锁定值,保证识别过程的稳定性,获得相应的连接权值,计算K-阶传播数的结构熵和权值,得到每个节点的排名.融合RoBERTa语言模型拓扑结构和节点排名,利用F-score算法选择融合后特征,以此识别多模态情绪.实验结果表明,该技术与实际结果存在0.005的误差,能够有效提高识别准确率.
NETL
NSTL
维普
万方数据