中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
面向共融機器人的自然交互——多模態交互信息的情感分析 版權信息
- ISBN：9787302624219
- 條形碼：9787302624219 ; 978-7-302-62421-9
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
面向共融機器人的自然交互——多模態交互信息的情感分析 本書特色
深度探討了融合多模態機器學習的人機交互多模態情感分析方法。 深度探討了實現魯棒性的多模態情感分析方法與實現策略。 系統論述了深度人工智能時代共融機器人自然交互的基礎理論與實現方法。 了解情感分析的基本概念，掌握多模態信息處理技術和前沿的情感分析方法，開展多模態情感分析相關核心問題的應用研究。
面向共融機器人的自然交互——多模態交互信息的情感分析 內容簡介
共融機器人是能夠與作業環境、人和其他機器人自然交互、自主適應復雜動態環境并協同作業的機器人！懊翡J體貼型”的自然交互是共融服務機器人的研究熱點問題之一。當前迫切需要共融機器人具備多模態交互信息的情感分析能力。本書針對多模態機器學習方法的情感分析領域，從多模態交互信息特征的學習表示出發，系統介紹了自然交互中的特征學習表示、特征融合和情感分類的方法，并進一步探討了如何實現魯棒的多模態情感分析法。 本書是共融機器人自然交互領域國內**本系統介紹多模態交互信息情感分析的專業書籍，可為讀者掌握共融機器人研究領域人機情感分析的關鍵技術和基礎知識，為追蹤該領域的發展前沿提供重要的學習和研究參考。
面向共融機器人的自然交互——多模態交互信息的情感分析 目錄
**篇概述
第1章多模態情感分析概述3
1.1多模態情感分析相關研究概述3
1.2模態缺失相關研究概述6
1.3本章小結7
第2章多模態機器學習概述8
2.1多模態表示學習概述8
2.1.1聯合型表示學習9
2.1.2協同型表示學習9
2.2多模態表示融合概述10
2.2.1前期融合10
2.2.2中期融合10
2.2.3后期融合11
2.2.4末期融合11
2.3本章小結11
第3章多任務學習機制概述13
3.1在計算機視覺中的多任務架構13
3.2在自然語言處理中的多任務架構14
3.3在多模態學習中的多任務架構16
3.4本章小結18目錄 面向共融機器人的自然交互——多模態交互信息的情感分析
第二篇多模態情感分析數據集與預處理
第4章多模態情感分析數據集簡介23
4.1CMUMOSI24
4.2CMUMOSEI24
4.3IEMOCAP24
4.4MELD25
4.5本章小結25
第5章多模態多標簽情感分析數據集構建26
5.1概述26
5.2多模態多標簽的中文情感分析數據集制作26
5.2.1數據收集和標注26
5.2.2統計和分析28
5.3本章小結29
第6章基于主動學習的多模態情感分析數據的自動標定30
6.1相關工作30
6.1.1數據標注30
6.1.2主動學習31
6.2研究方法35
6.2.1整體結構介紹36
6.2.2MMAL模塊介紹38
6.2.3半監督學習模塊40
6.3實驗設置40
6.3.1實驗參數和評價標準40
6.3.2基線模型選擇41
6.4結果分析42
6.4.1主動學習方法效果分析42
6.4.2半監督主動學習方法效果分析44
6.4.3消融實驗46
6.5本章小結47
第三篇單模態信息的情感分析
第7章基于文本的情感分析51
7.1基于情感詞典的情感分析方法52
7.2基于深度學習的情感分析方法53
7.2.1單一神經網絡的情感分析53
7.2.2混合神經網絡的情感分析53
7.2.3引入注意力機制的情感分析54
7.2.4使用預訓練模型的情感分析54
7.3本章小結55
第8章基于語音信息的情感分析56
8.1基于ConstantQ色譜圖的音頻情感分類56
8.1.1ConstantQ色譜圖抽取58
8.1.2CRLA模型59
8.1.3特征抽取網絡59
8.1.4上下文表征學習59
8.1.5實驗與分析60
8.2基于異構特征融合的音頻情感分類63
8.2.1頻譜特征抽取64
8.2.2統計特征抽取66
8.2.3CHFFM66
8.2.4CSFM67
8.2.5實驗與分析68
8.3本章小結71
第9章基于人臉關鍵點的圖片情感分析72
9.1CMCNN73
9.1.1設計思想73
9.1.2模型整體框圖74
9.1.3CCAM75
9.1.4SCAM76
9.1.5多任務優化目標77
9.2實驗設置77
9.2.1基準數據集77
9.2.2數據預處理78
9.2.3基線方法79
9.2.4評價指標79
9.2.5訓練策略和參數設置80
9.3實驗結果和分析80
9.3.1與基線方法的結果對比80
9.3.2遷移效果驗證82
9.3.3特征可視化83
9.3.4模塊化分析84
9.4本章小結85
第四篇跨模態信息的情感分析
第10章跨模態特征表示方法89
10.1文本模態特征表示方法90
10.2音頻模態特征表示方法91
10.2.1格式轉換92
10.2.2特征工程92
10.2.3數據對齊93
10.2.4高階特征提取94
10.2.5融合特征95
10.3實驗與分析97
10.3.1數據集和評價指標97
10.3.2實驗設置98
10.3.3實驗結果98
10.4不足和展望100
10.5本章小結100
第11章基于多層次信息互補的融合方法101
11.1方法102
11.1.1模態表示模塊102
11.1.2模態相似度和情緒識別多任務105
11.2實驗與分析106
11.2.1數據集106
11.2.2數據預處理106
11.2.3評價指標107
11.2.4訓練細節和參數設置107
11.2.5對比基線108
11.2.6實驗分析108
11.3不足與展望111
11.4本章小結112
第12章生成式多任務網絡的情緒識別113
12.1方法115
12.1.1情緒多任務網絡115
12.1.2生成式多任務模塊116
12.2實驗與分析117
12.2.1數據集117
12.2.2數據預處理118
12.2.3基線模型119
12.2.4評價指標以及重要參數設置119
12.2.5情緒分類實驗結果119
12.2.6實驗分析121
12.3不足與展望122
12.4本章小結122
第13章面向非對齊序列的跨模態情感分類124
13.1SAFRLM125
13.1.1多模態對齊模塊126
13.1.2融合表示初始化模塊126
13.1.3自調節模塊127
13.2實驗與分析128
13.2.1數據集及實驗設置129
13.2.2單模態特征抽取及評價指標129
13.2.3基線模型129
13.2.4跨模態情感分類實驗結果130
13.2.5Crossmodal block的數目對實驗的影響131
13.2.6定性分析132
13.3不足與展望133
13.4本章小結133
第14章面向對齊序列的跨模態情感分類134
14.1問題定義135
14.2音頻特征抽取與對齊135
14.3CMBERT模型135
14.3.1預訓練BERT模型136
14.3.2時序卷積層137
14.3.3Masked Multimodal Attention137
14.4實驗與分析139
14.4.1數據集和評價指標139
14.4.2實驗設置139
14.4.3跨模態情感分類實驗結果139
14.4.4注意力機制可視化分析141
14.5不足與展望143
14.6本章小結143
第五篇多模態信息的情感分析
第15章基于多任務學習的多模態情感分析模型147
15.1基于多任務學習的多模態情感分析模型概述148
15.1.1模型總體設計148
15.1.2單模態表示學習網絡149
15.1.3表示融合和分類150
15.1.4多任務優化目標151
15.2實驗設置和結果分析151
15.2.1實驗設置151
15.2.2結果與分析152
15.3本章小結156
第16章基于自監督學習的多任務多模態情感分析模型157
16.1基于自監督學習的單模態偽標簽生成模型157
16.1.1模型總體設計157
16.1.2ULGM159
16.1.3自適應的多任務損失函數162
16.2實驗設置和結果分析163
16.2.1實驗設置163
16.2.2結果與分析164
16.3本章小結168
第17章基于交叉模塊和變量相關性的多任務學習169
17.1概述169
17.2權值共享層框架169
17.3多任務學習層框架171
17.3.1多任務交叉模塊171
17.3.2基于皮爾森相關系數的特征融合173
17.4多任務學習算法實驗175
17.4.1實驗評測指標175
17.4.2實驗條件176
17.4.3實驗結果176
17.5本章小結177
第18章基于互斥損失函數的多任務機制研究178
18.1概述178
18.2常用損失函數178
18.2.1基礎損失函數178
18.2.2中心損失函數179
18.2.3互斥損失函數180
18.3基于多任務機制的互斥損失函數181
18.4損失函數策略對比實驗182
18.4.1實驗條件182
18.4.2實驗結果182
18.5本章小結184
第19章基于多任務多模態算法的遷移學習探究185
19.1概述185
19.2遷移學習概述185
19.2.1遷移學習的背景185
19.2.2遷移學習的定義185
19.3遷移數據集186
19.4遷移實驗186
19.4.1實驗條件186
19.4.2實驗結果186
19.5本章小結187
第20章基于模態缺失的多模態情感分析方法188
20.1任務定義188
20.2處理數據缺失方法概述188
20.2.1基于模態轉譯方法189
20.2.2基于張量正則化方法190
20.3模型的框架結構191
20.3.1特征抽取模塊192
20.3.2模態重構模塊193
20.3.3模態融合模塊194
20.3.4模型訓練195
20.4實驗195
20.4.1多模態情感分析數據集195
20.4.2模態序列特征抽取196
20.4.3基線模型196
20.4.4實驗設置196
20.4.5評價標準197
20.5實驗分析197
20.5.1模型對缺失程度魯棒性研究197
20.5.2模型對缺失模態組合魯棒性研究200
20.5.3消融實驗200
20.6本章小結202
第六篇多模態情感分析平臺及應用
第21章多模態情感分析實驗平臺簡介205
21.1概述205
21.2平臺概覽206
21.3數據端207
21.3.1數據管理207
21.3.2數據標注208
21.4模型端209
21.4.1多模態情感分析流程210
21.4.2模型訓練與微調210
21.5分析端210
21.5.1多維結果分析211
21.5.2模型對比211
21.5.3端到端現場演示211
21.6實驗評價213
21.6.1評價基準數據集213
21.6.2評價標注結果214
21.6.3評價現場演示215
21.7本章小結215第22章擴展應用： 基于多模態臨床特征表示與融合的端到端中醫體質
評價系統21622.1概述216
22.2中醫體質評價系統217
22.3方法218
22.3.1面診特征表示模塊218
22.3.2舌診特征表示模塊219
22.3.3問診特征表示模塊219
22.3.4中醫體質預測220
22.4實驗220
22.5本章小結221
結束語222
參考文獻223
附錄A中英文縮寫對照表237
附錄B圖片索引240
附錄C表格索引243
展開全部
面向共融機器人的自然交互——多模態交互信息的情感分析 作者簡介
徐華，博士，1998年獲得西安交通大學計算機專業學士學位；2003年獲得清華大學計算機應用技術專業博士學位；現為清華大學計算機系副教授，博士生導師。主要研究興趣領域包括：網絡文本數據挖掘、智能信息處理和機器人智能控制等。作為項目負責人、首席技術專家或研發骨干，負責完成 科技重大專項課題3項， 自然科學基金項目4項， 973項目二級課題2項， 863項目（課題）5項， 500強企業（寶潔、西門子、安捷倫等）合作項目13項。目前已在本專業領域 期刊和會議上發表學術論文97篇；編寫教材2本，參與編寫學術專著2部。作為 完成人獲得 發明專利16項， PCT發明專利4項，軟件著作權15項。作為清華方面的 完成人，獲得 科技進步二等獎1項，北京市科學技術一等獎、二等獎和三等獎各1項，重慶市科學技術三等獎1項，行業協會科學技術一等獎2項等。
書友推薦
- >
朝聞道
- >
我從未如此眷戀人間
- >
有舍有得是人生
- >
龍榆生：詞曲概論/大家小書
- >
月亮虎
- >
二體千字文
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
- >
伯納黛特,你要去哪(2021新版)
本類暢銷
