多模态情感分析中的多元特征利用
原文中文，约400字，阅读约需1分钟。发表于：。我们在 MuSe-Personalisation 子挑战赛中提出了一种解决方案，通过使用多模态情感分析来预测参与者的情绪和趣味连续值，并通过提取多样特征的方法建立了稳健的特征表达和模型集成，最终在此挑战中获得第三名的成绩。
本研究综合集成语音、视觉、语言和生物信号，聚焦情感和情绪、生理情感和基于情感的压力识别的挑战，并介绍了不同领域的社区。通过基线模型提取了基于最先进技术的特征集。在竞争性基线测试中，MuSe-Wilder的0.4616CCC，MuSe-Stress的0.4717CCC，MuSe-Physio的0.4606CCC和MuSe-Sent的32.82%的F1分数。
