本研究提出了一种新模型LSGMER，解决了多模态情感识别中情感标签信息被忽视的问题，显著提高了分类的准确性和稳定性。实验结果表明，该模型在IEMOCAP和MELD数据集上表现优异。

本文研究了基于深度学习的多模态情感识别方法，结合文本和语音特征，在IEMOCAP数据集上取得了75.42%的准确率。采用了注意力机制、深度双重循环编码器和特征融合等技术，并探讨了迁移学习和自监督学习的应用，推动了情感识别技术的发展。