一种基于提示驱动和对比学习的社交媒体多模态情感分类方法

本发明提出了一种基于提示驱动和对比学习的社交媒体多模态情感分类方法，旨在提升社交媒体内容中情感分类的准确性。通过引入提示信息优化文本主干结构，去除文本中的噪声与冗余信息，并结合视觉数据增强技术，增强了模型对复杂情感信息的理解能力。利用ResNet‑50、RoBERTa及Transformer等模型提取并融合文本和视觉特征，经由对比学习策略加深模态间联系，最终通过一致性损失和分类损失优化模型性能。本发明在处理MVSA‑Single、MVSA‑Multiple和HFM数据集时表现突出，为社交媒体监测、客户服务及市场策略等领域提供了更精准的情感分析工具。