基于强化学习的数据感知单模态采样方法及攻击性表达检测系统

本发明公开了一种基于强化学习的数据感知单模态采样方法及攻击性表达检测系统，方法包括：处理原始样本为原始样本序列，并构建多模态深度学习模型；将原始样本序列输入至多模态深度学习模型得到预测结果并计算累积模态差异分数；构建强化学习策略网络的决策系统，定义智能体、环境、状态、动作、奖励函数；将累积模态差异分数输入策略网络，得到下一轮采样数据量，并依照奖励函数更新策略网络；最后根据多模态深度学习模型的预测结果计算损失，进行参数更新以训练模型。本发明通过基于强化学习的单模态采样方法，缓解模态不均衡问题，训练得到优秀的多模态模型，提升多模态模型在分类下游任务的模型性能，可作为攻击性表达检测系统的核心方法。