面向多模态情绪-主题子挑战的BERT变体、随机森林与SVM方法
计算机视觉与模式识别
2020-07-29 v1 计算与语言
机器学习
摘要
情感识别近年来已成为计算机视觉中的一大难题，研究者为此付出了诸多努力以克服该任务的困难。在情感计算领域，情感识别具有广泛应用，如医疗健康、机器人与人机交互。鉴于其对其他任务的实际重要性，已针对不同的问题与多种数据源研究了诸多技术与方法。然而，为从中获益而对音视觉与语言模态进行综合融合仍待解决。本文提出并讨论我们针对MuSe-Topic子挑战的分类方法，以及相应数据与结果。对于主题分类，我们集成ALBERT与RoBERTa两种语言模型以预测10类主题。此外，对于效价与唤醒度的分类，采用SVM与随机森林并结合特征选择以提升性能。
引用
@article{arxiv.2007.13928,
title = {Variants of BERT, Random Forests and SVM approach for Multimodal Emotion-Target Sub-challenge},
author = {Hoang Manh Hung and Hyung-Jeong Yang and Soo-Hyung Kim and Guee-Sang Lee},
journal= {arXiv preprint arXiv:2007.13928},
year = {2020}
}
备注
3 pages, 2 figures