改进MobileNet与融合低阶多通道的模因情感分类

来源：计算机技术与发展杂志2025年第09期北京时间：

作者：高玮军;赵晓萱

摘要：互联网模因已成为网络上最热门的话题之一,并且全球网民都在使用它表达自己的情感。因此,互联网模因分类成为一个活跃的研究方向。然而,现有的多模态方法中,图像特征的提取在计算量和计算时间方面成本过高,融合方法的使用则未考虑模态间的动态平衡以及出现的高维问题。对此,该文提出一种改进MobileNet与融合低阶多通道的互联网模因情感分类模型,用于进行互联网模因的情感分析。模型利用预先训练好的BERT语言模型,以及加入GAM注意力机制的轻量化模型MobileNet,分别学习互联网模因的文本和视觉特征,使用低阶多通道的方法融合模块,有效地融合多模态信息。数据集则使用含有隐喻情感的数据集MET-Meme和Memotion进行实验对比。通过对比实验表明,该模型框架在MET-Meme和Memotion数据集中都有较为优秀的表现,均优于实验所用到的单模态和双模态模型。

关键词：互联网模因;情感分类;MobileNet-GAM;BERT;低阶多通道融合方法