用于多模态多标签情感分析的互补和竞争平衡学习方法

本发明公开了一种用于多模态多标签情感分析的互补和竞争平衡学习方法，属于人工智能领域。针对现有多模态情感分析中互补与特异信息利用失衡、标签相关性建模不足及样本不均衡问题，该方法首先通过级联Transformer编码器和混合专家网络优化256维特征；随后采用双分支结构：互补分支层级融合多模态特征生成标签级互补特征，特异分支基于动态权重矩阵重构模态特异特征，并通过情感权重向量融合两类特征；最后采用纵横平衡损失函数，利用调制因子和动态平衡因子自适应调整损失权重。其优势在于协同利用多模态信息、强化标签关系建模并显著提升低频情感识别效果。