
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于神经编码与解码以及知识引导的上下文情感识别研究
《Scientific Reports》:Research on contextual sentiment recognition based on neural encoding and decoding and knowledge guidance
【字体: 大 中 小 】 时间:2026年05月16日 来源:Scientific Reports 3.9
编辑推荐:
摘要在智能客户服务和心理健康监测等应用中,情境情感识别至关重要。然而,现有模型在处理多模态异质性、知识匮乏以及动态情感转变的捕捉不足方面存在困难。为了解决这些问题,我们提出了一种结合动态知识引导的双分支神经编码-解码架构。该模型通过独立的分支处理多模态特征(文本、语音、视频)和情
在智能客户服务和心理健康监测等应用中,情境情感识别至关重要。然而,现有模型在处理多模态异质性、知识匮乏以及动态情感转变的捕捉不足方面存在困难。为了解决这些问题,我们提出了一种结合动态知识引导的双分支神经编码-解码架构。该模型通过独立的分支处理多模态特征(文本、语音、视频)和情境依赖性,同时融合了显性知识(如人格特征、领域规则)以及从大型语言模型中提取的隐性知识。一个动态情境窗口会根据情感变化进行调整,以增强实时感知能力。在IEMOCAP、MELD和DailyDialog数据集上的实验表明,我们的完整模型分别实现了82.1%、78.3%和76.2%的准确率,超越了包括微调后的GPT-4在内的现有最佳模型。轻量级版本(1820万个参数)在保持高推理速度(950个样本/秒)的同时降低了部署成本。此外,该模型还表现出强大的跨数据集泛化能力和实际应用价值。这项工作提供了一个有效的框架,有效解决了情境情感识别中的核心问题,在性能与实际部署的实用性之间取得了平衡。
生物通微信公众号