本技术介绍了一种创新的突发事件分类方法、系统及装置,旨在通过多模态特征融合技术解决传统分类方法中特征信息不全面的问题,提升分类准确性。
背景技术
近年来,国内外突发事件频发,突发事件的衍生性在传播过程中给社会带来巨大的潜在威胁,因此如何快速有效地识别并分类突发事件信息成为目前的研究热点。
相较于纯文本的突发事件新闻,含有图片的多模态媒体数据更能吸引人们的眼球。近期研究越来越关注使用多模态(文本+图像)信息对突发事件进行识别与分类。现阶段的大多数多模态突发事件分类模型在特征融合方面或是将不同模态数据进行简单的拼接融合,或是进行相加融合,不能充分捕获不同模态特征间的互补性,从而大大影响最终分类结果。运用多模态特征融合技术对突发事件进行分类已经成为突发事件分类领域研究的主流,然而如何更巧妙的融合不同模态特征从而进一步提升分类准确率依然是目前该领域的研究热点。
现有的突发事件分类方法存在以下缺点:
(1)大多数分类方法仅使用单文本模态特征进行研究,对突发事件信息描述不全面,只局限于一种特征,无法捕获模态间的相互关系,很难达到较高的分类准确率。
(2)现有的多模态特征融合方法仅对不同模态特征进行简单的拼接融合,没有充分考虑不同模态间的相互依赖关系,难以捕获到不同模态数据间的有效信息,从而影响突发事件的分类结果;
(3)特征融合方面仅使用早期融合或晚期融合方法,二者在单独使用时容易忽略突发事件有效特征信息,导致分类效果不准确等问题。
由于这些存在的缺点,导致在突发事件分类领域依然存在分类准确率低、效果差、不够稳定等问题。
实现思路