-
公开(公告)号：CN115062623A
公开(公告)日：2022-09-16
申请号：CN202210661594.5
申请日：2022-06-10
Applicant: 东北大学
Abstract: 本发明涉及文本内容的情感抽取模型技术领域，尤其涉及交互式属性术语及情感联合抽取模型的方法。其主要针对现有应用难以有效学习属性术语的特征，属性术语及情感联合抽取的研究内容匮乏的问题，提出如下技术方案：包括属性术语抽取模块、情感分类模块和交互共享单元，包括以下步骤：步骤1：获取句中单词的情感倾向；步骤2：交互共享单元让两个模块互相学习；步骤3：属性术语抽取任务标签和情感分类任务标签结合。本发明充分地利用外部情感资源，两阶段处理增强的情感分析，提高语句中情感抽取的精确性，交互共享单元提高模块学习效果，有助于特征向量的结果预测，主要应用于属性术语及文本情感联合抽取。
-
公开(公告)号：CN115064181A
公开(公告)日：2022-09-16
申请号：CN202210654145.8
申请日：2022-06-10
Applicant: 东北大学
Abstract: 本发明涉及音乐多模态数据情感识别技术领域，尤其涉及基于深度学习的音乐多模态数据情感识别方法。其主要针对现有音乐学习单一模态识别情感提升的空间有限，不能深度挖掘音乐数据集中的特征向量的问题，提出如下技术方案：S1：音乐数据的预处理；S2：MIDI数据的特征提取；S3：文本数据的特征提取；S4：多模态融合。本发明利用决策级融合的思路进行多模态融合能够比特征级融合取得更好的情感分类效果，对音乐文本的情感深度学习，促进深度学习在音乐情感识别中的应用，提高音乐的分析效果，减少人工情感标注的作业量，提高准确率，主要应用于基于深度学习的音乐多模态数据情感识别。
-
公开(公告)号：CN115064181B
公开(公告)日：2024-04-19
申请号：CN202210654145.8
申请日：2022-06-10
Applicant: 东北大学
Abstract: 本发明涉及音乐多模态数据情感识别技术领域，尤其涉及基于深度学习的音乐多模态数据情感识别方法。其主要针对现有音乐学习单一模态识别情感提升的空间有限，不能深度挖掘音乐数据集中的特征向量的问题，提出如下技术方案：S1：音乐数据的预处理；S2：MIDI数据的特征提取；S3：文本数据的特征提取；S4：多模态融合。本发明利用决策级融合的思路进行多模态融合能够比特征级融合取得更好的情感分类效果，对音乐文本的情感深度学习，促进深度学习在音乐情感识别中的应用，提高音乐的分析效果，减少人工情感标注的作业量，提高准确率，主要应用于基于深度学习的音乐多模态数据情感识别。
-
-
Search Results
3
records
(took 0.013 seconds)
