针对歌词文本中特征词位置对音乐情感分类的影响问题，文中使用层次分析法来进行特征词在不同位置的权重分析，并对歌词所提取的特征向量进行修正。同时，与音频信号所提取到的特征向量进行多模态数据融合，使用深度置信网络已有监督训练的方式，分析混合融合后的特征向量与音乐情感之间的联系，构建出基于特征词位置因素的音乐情感智能分类算法。测试与实验结果表明，基于特征词位置因素的音乐情感智能分类算法在5种音乐情感样本的测试下，最低准确率为80.1%，平均准确率为83.5%，明显优于未采用位置因素修正的算法，具有良好的有效性与可行性。

针对多模态情感特征提取与融合的技术难点，列举了目前应用较广的多模态情感识别数据库，介绍了面部表情和语音情感这两个模态的特征提取技术，重点阐述了多模态情感融合识别技术，主要对多模态情感特征融合策略和融合方法进行了综述，对不同算法下的识别效果进行了对比。最后，对多模态情感识别研究中存在的问题进行了探讨，并对未来的研究方向进行了展望，旨在为研究此方向建立系统的知识体系，借此推动与此相关问题的进展。

面向深度学习的多模态融合技术研究综述_何俊.pdf