一种多模态跨域分析方法、设备及介质

本申请公开了一种多模态跨域分析方法、设备及介质，方法包括：通过深度学习编码器，对多模态数据的标准化数据集中不同模态数据进行特征提取，并通过特征对齐技术对不同模态特征进行跨模态特征映射，生成跨模态对齐特征向量，然后根据跨模态对齐特征向量，对循环神经网络模型架构通过自适应学习率算法、正则化和Dropout策略进行训练，得到循环神经网络模型；最后根据循环神经网络模型，对待分析的跨模态对齐特征向量进行特征融合，得到跨模态融合特征向量，以对所述跨模态融合特征向量进行跨域分析。通过循环神经网络模型循环连接的神经元，能够在处理时序数据时保持内部状态，从而能够捕捉序列中的长距离依赖关系，提升分析结果全面性。