文献

J-GLOBAL ID：202202253628217440   整理番号：22A1104807

深い注意マルチタスク学習モデルによるマルチモーダル感情と感情ジョイント分析【JST・京大機械翻訳】

Multi-modal Sentiment and Emotion Joint Analysis with a Deep Attentive Multi-task Learning Model

著者 (4件)： Zhang Yazhou (Software Engineering College, Zhengzhou University of Light Industry, Zhengzhou, China) ,  Rong Lu (Software Engineering College, Zhengzhou University of Light Industry, Zhengzhou, China) ,  Li Xiang (Shandong Computer Science Center (National Supercomputing Center in Jinan), Qilu University of Technology (Shandong Academy of Sciences), Jinan, China) ,  Chen Rui (Software Engineering College, Zhengzhou University of Light Industry, Zhengzhou, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 13185  ページ： 518-532  発行年： 2022年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 感情は感情の外部表現として見られ,感情は感情の本質的な性質である。それらは互いに密接にもつれ,その一つは他の理解を助け,新しい研究トピック,すなわち,マルチモーダル感情と感情ジョイント分析を導く。この分野では,マルチモーダル融合とマルチタスクインタラクションという2つの重要な課題が存在する。最近のアプローチの大部分は,それらを2つの独立したタスクとして扱い,それらの間の関係をモデル化することができない。本論文では,MMTと呼ばれる新しいマルチモーダルマルチタスク学習モデルを提案し,そのような課題を一般的に取り組んだ。特に,2つの注意機構,すなわち,交差モードと交差タスク注意を設計した。マルチモーダル特徴融合をモデル化するためにクロスモーダル注意を提案し,一方,交差タスク注意は感情解析と感情認識の間の相互作用を捉えることである。最後に,著者らは,この方法が2つのベンチマークデータセットに関するそのような問題を軽減し,一方,主要なタスク,即ち,二次感情認識タスクの支援による感情解析に対して,より良い性能を獲得することを経験的に示した。Copyright The Author(s), under exclusive license to Springer Nature Switzerland AG 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 相互作用 ,  *感情 ,  モデリング ,  *多モード ,  融合 ,  ベンチマーク
準シソーラス用語： 感情認識 ,  *マルチタスク ,  *マルチタスク学習 ,  マルチモーダル融合 , 【Automatic Indexing@JST】

著者キーワード (4件)： マルチモーダル感情分析 ,  感情認識 ,  マルチタスク学習 ,  深層学習

分類 (2件)： パターン認識  (JE07000S) ,  人間機械系  (IB03000G)

タイトルに関連する用語 (7件)： 注意 ,  マルチタスク ,  学習モデル ,  マルチモーダル ,  感情 ,  ジョイント ,  分析