تسعى تقنية التعرف على المشاعر متعددة الأنماط (Multimodal Emotion Recognition - MER) إلى فهم العواطف البشرية من خلال دمج المعلومات المُستمدة من عدة أنماط مثل الكلام والنصوص. تشير الدراسات النفسية إلى أن العواطف تظهر علاقات هيكلية مُعقدة ضمن تمثيلها الدلالي، لكن غالبية الطرق المستخدمة في التعرف على المشاعر تعتمد على تمثيلات إقليدية، والتي تُبرز التفاعلات الدقيقة بين الأنماط المختلفة لكنها لا تقدم قاعدة هندسية واضحة لتنظيم الهياكل العاطفية الهرمية.

لمعالجة هذه الفجوة، طرحت مجموعة من الباحثين إطار العمل GeoMER، الذي يجمع بين النمذجة الإقليدية والهندسية الفائقة (Hyperbolic) ليقدم مساراً مركزياً عاطفياً مميزاً. يهدف هذا الإطار إلى التقاط تمثيلات عاطفية أكثر تجريدًا وعالية المستوى لفهم العواطف بشكل أعمق.

يتكون GeoMER من وحدة دمج متعددة الأنماط الإقليدية (Euclidean Multimodal Fusion Module - EuclFusion) لتوحيد التمثيلات، بالإضافة إلى وحدة توجيه هندسية فائقة (Hyperbolic Geometric Core Routing - HypGeoRoute) التي تُجري تخصيصات مركزية واعية هندسيًا وتجمع البيانات في تشكيلة هندسية فائقة لالتقاط تمثيلات ميزات أكثر تجريداً. تكمل وحدة HypGeoRoute نمذجة مستوى التوكن العادي الإقليدي.

أُجريت تجارب على معيار IEMOCAP للتعرف على المشاعر متعددة الأنماط، حيث حققت الطريقة المُقترحة أداءً مثيرًا، حيث سجلت دقة مرجحة بلغت 83.54% ودقة غير مرجحة بلغت 83.35%، متفوقة على الأساليب الإقليدية التقليدية، بما في ذلك MemoCMT.

تُمثل تقنية GeoMER خطوة مبتكرة في مجالات الذكاء الاصطناعي وتعلم الآلة، كما تسعى لبناء فهم أعمق لعواطف الإنسان باستخدام نماذج هندسية متقدمة، مما يمكن الباحثين من تقديم خدمات وتطبيقات أكثر دقة في مجالات مثل الرعاية الصحية والتسويق.
ما رأيكم في هذه التطورات المثيرة في تحليل المشاعر؟ شاركونا في التعليقات!