書馨卡幫你省薪 2024個人購書報告 2024中圖網(wǎng)年度報告
歡迎光臨中圖網(wǎng) 請 | 注冊
> >
面向共融機器人的自然交互——多模態(tài)交互信息的情感分析

面向共融機器人的自然交互——多模態(tài)交互信息的情感分析

作者：徐華
出版社：清華大學出版社出版時間：2023-01-01
開本： 其他 頁數(shù)： 256
中 圖 價:¥48.3(7.0折) 定價  ¥69.0 登錄后可看到會員價
加入購物車 收藏
運費6元，滿39元免運費
?新疆、西藏除外
本類五星書更多>

面向共融機器人的自然交互——多模態(tài)交互信息的情感分析 版權(quán)信息

面向共融機器人的自然交互——多模態(tài)交互信息的情感分析 本書特色

深度探討了融合多模態(tài)機器學習的人機交互多模態(tài)情感分析方法。 深度探討了實現(xiàn)魯棒性的多模態(tài)情感分析方法與實現(xiàn)策略。 系統(tǒng)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(xiàn)方法。 了解情感分析的基本概念，掌握多模態(tài)信息處理技術和前沿的情感分析方法，開展多模態(tài)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(tài)交互信息的情感分析 內(nèi)容簡介

共融機器人是能夠與作業(yè)環(huán)境、人和其他機器人自然交互、自主適應復雜動態(tài)環(huán)境并協(xié)同作業(yè)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(tài)交互信息的情感分析能力。本書針對多模態(tài)機器學習方法的情感分析領域，從多模態(tài)交互信息特征的學習表示出發(fā)，系統(tǒng)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(xiàn)魯棒的多模態(tài)情感分析法。 本書是共融機器人自然交互領域國內(nèi)**本系統(tǒng)介紹多模態(tài)交互信息情感分析的專業(yè)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(fā)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(tài)交互信息的情感分析 目錄

**篇概述

第1章多模態(tài)情感分析概述3

1.1多模態(tài)情感分析相關研究概述3

1.2模態(tài)缺失相關研究概述6

1.3本章小結(jié)7

第2章多模態(tài)機器學習概述8

2.1多模態(tài)表示學習概述8

2.1.1聯(lián)合型表示學習9

2.1.2協(xié)同型表示學習9

2.2多模態(tài)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(jié)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(gòu)13

3.2在自然語言處理中的多任務架構(gòu)14

3.3在多模態(tài)學習中的多任務架構(gòu)16

3.4本章小結(jié)18目錄 面向共融機器人的自然交互——多模態(tài)交互信息的情感分析


第二篇多模態(tài)情感分析數(shù)據(jù)集與預處理

第4章多模態(tài)情感分析數(shù)據(jù)集簡介23

4.1CMUMOSI24

4.2CMUMOSEI24

4.3IEMOCAP24

4.4MELD25

4.5本章小結(jié)25

第5章多模態(tài)多標簽情感分析數(shù)據(jù)集構(gòu)建26

5.1概述26

5.2多模態(tài)多標簽的中文情感分析數(shù)據(jù)集制作26

5.2.1數(shù)據(jù)收集和標注26

5.2.2統(tǒng)計和分析28

5.3本章小結(jié)29

第6章基于主動學習的多模態(tài)情感分析數(shù)據(jù)的自動標定30

6.1相關工作30

6.1.1數(shù)據(jù)標注30

6.1.2主動學習31

6.2研究方法35

6.2.1整體結(jié)構(gòu)介紹36

6.2.2MMAL模塊介紹38

6.2.3半監(jiān)督學習模塊40

6.3實驗設置40

6.3.1實驗參數(shù)和評價標準40

6.3.2基線模型選擇41

6.4結(jié)果分析42

6.4.1主動學習方法效果分析42

6.4.2半監(jiān)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(jié)47

第三篇單模態(tài)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(jīng)網(wǎng)絡的情感分析53

7.2.2混合神經(jīng)網(wǎng)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(jié)55

第8章基于語音信息的情感分析56

8.1基于ConstantQ色譜圖的音頻情感分類56

8.1.1ConstantQ色譜圖抽取58

8.1.2CRLA模型59

8.1.3特征抽取網(wǎng)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(gòu)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(tǒng)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(jié)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(yōu)化目標77

9.2實驗設置77

9.2.1基準數(shù)據(jù)集77

9.2.2數(shù)據(jù)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(shù)設置80

9.3實驗結(jié)果和分析80

9.3.1與基線方法的結(jié)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(jié)85

第四篇跨模態(tài)信息的情感分析

第10章跨模態(tài)特征表示方法89

10.1文本模態(tài)特征表示方法90

10.2音頻模態(tài)特征表示方法91

10.2.1格式轉(zhuǎn)換92

10.2.2特征工程92

10.2.3數(shù)據(jù)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(shù)據(jù)集和評價指標97

10.3.2實驗設置98

10.3.3實驗結(jié)果98

10.4不足和展望100

10.5本章小結(jié)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(tài)表示模塊102

11.1.2模態(tài)相似度和情緒識別多任務105

11.2實驗與分析106

11.2.1數(shù)據(jù)集106

11.2.2數(shù)據(jù)預處理106

11.2.3評價指標107

11.2.4訓練細節(jié)和參數(shù)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(jié)112

第12章生成式多任務網(wǎng)絡的情緒識別113

12.1方法115

12.1.1情緒多任務網(wǎng)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(shù)據(jù)集117

12.2.2數(shù)據(jù)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(shù)設置119

12.2.5情緒分類實驗結(jié)果119

12.2.6實驗分析121

12.3不足與展望122

12.4本章小結(jié)122

第13章面向非對齊序列的跨模態(tài)情感分類124

13.1SAFRLM125

13.1.1多模態(tài)對齊模塊126

13.1.2融合表示初始化模塊126

13.1.3自調(diào)節(jié)模塊127

13.2實驗與分析128

13.2.1數(shù)據(jù)集及實驗設置129

13.2.2單模態(tài)特征抽取及評價指標129

13.2.3基線模型129

13.2.4跨模態(tài)情感分類實驗結(jié)果130

13.2.5Crossmodal block的數(shù)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(jié)133

第14章面向?qū)R序列的跨模態(tài)情感分類134

14.1問題定義135

14.2音頻特征抽取與對齊135

14.3CMBERT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(shù)據(jù)集和評價指標139

14.4.2實驗設置139

14.4.3跨模態(tài)情感分類實驗結(jié)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(jié)143

第五篇多模態(tài)信息的情感分析

第15章基于多任務學習的多模態(tài)情感分析模型147

15.1基于多任務學習的多模態(tài)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(tài)表示學習網(wǎng)絡149

15.1.3表示融合和分類150

15.1.4多任務優(yōu)化目標151

15.2實驗設置和結(jié)果分析151

15.2.1實驗設置151

15.2.2結(jié)果與分析152

15.3本章小結(jié)156

第16章基于自監(jiān)督學習的多任務多模態(tài)情感分析模型157

16.1基于自監(jiān)督學習的單模態(tài)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(shù)162

16.2實驗設置和結(jié)果分析163

16.2.1實驗設置163

16.2.2結(jié)果與分析164

16.3本章小結(jié)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(quán)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(shù)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(jié)果176

17.5本章小結(jié)177

第18章基于互斥損失函數(shù)的多任務機制研究178

18.1概述178

18.2常用損失函數(shù)178

18.2.1基礎損失函數(shù)178

18.2.2中心損失函數(shù)179

18.2.3互斥損失函數(shù)180

18.3基于多任務機制的互斥損失函數(shù)181

18.4損失函數(shù)策略對比實驗182

18.4.1實驗條件182

18.4.2實驗結(jié)果182

18.5本章小結(jié)184

第19章基于多任務多模態(tài)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(shù)據(jù)集186

19.4遷移實驗186

19.4.1實驗條件186

19.4.2實驗結(jié)果186

19.5本章小結(jié)187

第20章基于模態(tài)缺失的多模態(tài)情感分析方法188

20.1任務定義188

20.2處理數(shù)據(jù)缺失方法概述188

20.2.1基于模態(tài)轉(zhuǎn)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(jié)構(gòu)191

20.3.1特征抽取模塊192

20.3.2模態(tài)重構(gòu)模塊193

20.3.3模態(tài)融合模塊194

20.3.4模型訓練195

20.4實驗195

20.4.1多模態(tài)情感分析數(shù)據(jù)集195

20.4.2模態(tài)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(tài)組合魯棒性研究200

20.5.3消融實驗200

20.6本章小結(jié)202

第六篇多模態(tài)情感分析平臺及應用

第21章多模態(tài)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(shù)據(jù)端207

21.3.1數(shù)據(jù)管理207

21.3.2數(shù)據(jù)標注208

21.4模型端209

21.4.1多模態(tài)情感分析流程210

21.4.2模型訓練與微調(diào)210

21.5分析端210

21.5.1多維結(jié)果分析211

21.5.2模型對比211

21.5.3端到端現(xiàn)場演示211

21.6實驗評價213

21.6.1評價基準數(shù)據(jù)集213

21.6.2評價標注結(jié)果214

21.6.3評價現(xiàn)場演示215

21.7本章小結(jié)215第22章擴展應用： 基于多模態(tài)臨床特征表示與融合的端到端中醫(yī)體質(zhì)

評價系統(tǒng)21622.1概述216

22.2中醫(yī)體質(zhì)評價系統(tǒng)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(yī)體質(zhì)預測220

22.4實驗220

22.5本章小結(jié)221

結(jié)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(tài)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(yè)學士學位；2003年獲得清華大學計算機應用技術專業(yè)博士學位；現(xiàn)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(wǎng)絡文本數(shù)據(jù)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(fā)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(yè)（寶潔、西門子、安捷倫等）合作項目13項。目前已在本專業(yè)領域 期刊和會議上發(fā)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(fā)明專利16項， PCT發(fā)明專利4項，軟件著作權(quán)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(yè)協(xié)會科學技術一等獎2項等。

商品評論(0條)
暫無評論……
書友推薦
本類暢銷
編輯推薦
返回頂部
中圖網(wǎng)
在線客服