【技术实现步骤摘要】
本专利技术涉及言论识别领域，特别涉及一种表情包分类识别方法、装置、计算机设备以及存储介质。
技术介绍
1、随着互联网行业的蓬勃发展，社交媒体和在线平台已经成为人们主要的沟通、信息分享和观点表达渠道。然而，随着社交媒体平台的广泛普及，一种新型的多模态实体——表情包（meme）也随之崛起，通常由图像与短文本组合而成。这种实体逐渐在各大社交媒体网络中流行，并成为某些网络用户传播言论的手段之一。
2、为了解决这个问题，早期工作采用预训练模型进行检测社交媒体中的仇恨meme，注重模态间的融合对齐。后来的方法鉴于对 meme进行仇恨的判断需要复杂的推理和上下文背景知识，尝试在视觉语言模型框架的基础上结合外部工具或增加外部知识，提高模型的分类准确率，然而，当前的仇恨表情包分类识别方法过于注重通过引入更多外部知识来提升模型分类性能，却有可能忽略了外部知识中可能包含的不相关或冗余内容的问题。以引入图片实体识别信息为例，额外增加的实体信息可能包含与表情无关或冗余的实体，从而引入一些无关紧要的信息，有可能干扰模型的分类判断，难以对表情包进行准确的
<本文档来自技高网...【技术保护点】
1.一种表情包分类识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的表情包分类识别方法，其特征在于：所述类型包括积极类别以及消极类别，所述特征提取模块包括积极类别相应的全连接网络以及消极类别相应的全连接网络；
3.根据权利要求2所述的表情包分类识别方法，其特征在于，所述对若干个类别的所述信息感知特征表示进行特征融合，获得特征融合表示，包括步骤：
4.根据权利要求3所述的表情包分类识别方法，其特征在于，所述将所述待测表情包的文本特征表示、若干个类别的信息感知特征表示以及特征融合表示输入至所述分类识别进行分类识别，获得分类识...
【技术特征摘要】
1.一种表情包分类识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的表情包分类识别方法，其特征在于：所述类型包括积极类别以及消极类别，所述特征提取模块包括积极类别相应的全连接网络以及消极类别相应的全连接网络；
3.根据权利要求2所述的表情包分类识别方法，其特征在于，所述对若干个类别的所述信息感知特征表示进行特征融合，获得特征融合表示，包括步骤：
4.根据权利要求3所述的表情包分类识别方法，其特征在于，所述将所述待测表情包的文本特征表示、若干个类别的信息感知特征表示以及特征融合表示输入至所述分类识别进行分类识别，获得分类识别预测概率数据，包括步骤：
5.根据权利要求1或4所述的表情包分类识别方法，其特征在于，所述获得待测表情包的文本数据、若干个类别的演示表情包的文本数据以及预设的表...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。