[00105309]跨文化多模态情感分析中的多目标协同进化学习方法研究
联系人：
所在地：
- 服务承诺
- 产权明晰
-
资料保密
对所交付的所有资料进行保密
- 如实描述
技术详细介绍
该项目为中国博士后科学基金资助面上项目（资助编号：2018M640096）。
多模态情感分析利用多模态数据间的一致性和互补性，增强系统的鲁棒性并提升识别准确度，成为情感计算领域的研究热点。如何从具有跨文化特性的多模态情感数据中自适应提取出有用信息，是当前情感分析的迫切需求。该项目针对上述需求，从情感分析的多模态协同表征、异质融合与跨文化特征学习等难点问题出发，结合进化计算的自适应特性和深度学习强大的信息表征能力，探索跨文化背景下多模态情感分析中协同学习的新模型和新方法， 主要研究内容如下：
1. 在多模态情感表征方面：构建基于进化算法的深度多模态自适应表征模型，针对多模态数据的异构性和共生性，结合多因子进化学习的多任务学习特色和隐式并行性，创新性地提出基于多因子协同进化学习的多模态情感自适应深度表征模型，实现多模态情感特征的自适应、协同学习和优化功能。
2. 在多模态情感特征融合方面：将贝叶斯学习引入多目标学习模型中，建立基于多目标进化学习的多模态情感深度特征自适应融合模型，提出基于偏好驱动的多目标进化算法，自适应确定多模态融合的深度和广度，为解决多模态特征学习的瓶颈问题提供了新思路。
3. 在跨文化多模态特征自适应学习方面：以跨文化下的情感识别损失和文化识别损失为综合考量指标，建立基于多目标稀疏重构的跨文化多模态情感特征自适应学习模型，结合稀疏约束，提出高效的约束处理和超启发式多目标优化算法，为增强跨文化情感分析模型的鲁棒性提供了新思路。
