【课题推荐发表期刊】

【课题背景】

随着人工智能技术的快速发展，情感分析在社交媒体监控、客户满意度分析、智能客服等领域具有广泛的应用前景。多模态情感分析结合了文本、语音、图像等多种信息源，能够更加全面地捕捉和理解用户的情感状态，从而提供更精准和个性化的服务。

本课题旨在通过开发基于深度学习的多模态情感分析方法，提升情感识别的准确性和鲁棒性，其意义在于探索和实现多模态数据融合的有效方法，推动情感计算领域的发展。

【课题方向参考】

• 深度学习模型开发：开发一种新型的深度学习模型，能够有效融合多模态数据，提高情感分析的准确性和鲁棒性。

• 数据/特征融合方法：提出一种创新的多模态数据融合方法，解决不同模态数据间的异质性问题。

• 模型优化：通过引入注意力机制、自适应学习等技术，对情感分析模型进行优化，提高模型在实际应用中的表现。

【适合人群】

计算机科学、控制科学与工程等相关专业的硕士研究生，要求了解机器学习相关知识，熟悉matlab或python。

【课题收获】

• 高质量论文一篇（SCI/CCF定向期刊）

• SCI/CCF期刊投递与发表指导

• 结业证书

【导师介绍】

张老师，211高校，讲师，博士

• 担任Applied intelligence Applied energy TII，IEEE Transactions on Instrumentation and Measurement，Energy审稿人；

• 研究方向：人工智能、计算机、大数据；

• 以第一作者身份，在行业顶尖期刊/会议上发表7篇高质量论文，其中4篇一区TOP，包括Journal of cleaner production，Applied intelligence，The journal of supercomputing等

• 具备丰富的英文写作经验和学术指导经验；熟练使用matlab, python

【课题安排】

研究周期预估六个月左右，具体视学员情况调整

【推荐阅读】

• 2021 面向深度学习网络的细粒度商品评价分析