MELD数据集多模态情感分析

本项目使用MELD (Multimodal EmotionLines Dataset) 数据集进行多模态情感分析，实现7类情绪识别（joy, anger, sadness, surprise, fear, disgust, neutral）。

基于高效的多模态融合技术和集成学习策略，在测试集上达到62.57%的准确率和60.67%的F1加权分数。

项目结构

├── README.md               # 项目说明文档
├── requirements.txt        # 项目依赖
├── main.py                 # 主程序入口
├── configs/                # 配置文件
│   ├── config.json         # 三模态模型配置文件
│   ├── config_bimodal.json # 双模态模型配置文件
│   ├── config_bimodal_emotion.json # 情感模型配置
│   └── config_end_to_end_emotion.json # 端到端配置
├── scripts/                # 辅助脚本
│   ├── check_models.py     # 预训练模型检查脚本
│   ├── preprocess_emotion_model.py # 情感模型特征提取
│   ├── train_end_to_end.py # 端到端训练脚本
│   ├── train_ensemble.py   # 集成训练脚本
│   ├── evaluate_ensemble.py # 集成评估脚本
│   └── evaluate_end_to_end.py # 端到端评估脚本
├── logs/                   # 日志文件目录
├── data/                   # 数据存放目录
├── models/                 # 预训练模型目录
├── checkpoints/            # 模型检查点保存目录
└── src/                    # 源代码
    ├── preprocess/         # 数据预处理
    │   ├── text_processor.py      # 文本特征提取
    │   ├── audio_processor.py     # 音频特征提取
    │   ├── video_processor.py     # 视频特征提取
    │   ├── preprocess_all.py      # 统一预处理脚本
    │   ├── end_to_end_dataset.py  # 端到端数据集
    │   └── dataset.py             # 数据集加载类
    ├── models/             # 模型定义
    │   ├── text_model.py          # 文本编码器
    │   ├── audio_model.py         # 音频编码器
    │   ├── video_model.py         # 视频编码器
    │   ├── end_to_end_model.py    # 端到端模型
    │   └── model.py               # 多模态融合模型
    ├── utils/              # 工具函数
    │   ├── evaluator.py           # 完整的评估和可视化工具
    │   └── evaluate_model.py      # 独立评估脚本
    └── training/           # 训练相关
        ├── trainer.py             # 训练脚本
        └── config.py              # 配置管理

模型特点

灵活的模态配置: 支持双模态（文本+音频）和三模态（文本+音频+视频）训练
多种训练模式: 支持标准训练、情感模型升级、端到端训练
动态模态融合: 根据启用的模态自动调整模型架构和融合策略
深度架构优化: 3层深度编码器 + 多头注意力机制，提升特征表示能力
数据增强技术: 高斯噪声、特征dropout等增强技术，提升模型泛化性
改进损失函数: 支持标签平滑的Focal Loss + 对比损失组合，优化训练效果
多级预测: 结合单模态预测和融合预测，提升模型鲁棒性
极少数类别优化: 特殊的权重增强策略，改善fear/disgust类别识别
长期训练: 训练120个epoch以充分学习数据特征
预训练模型: 使用RoBERTa (文本)、Wav2Vec2 (音频)、DINO-ViT (视频)
自动化流程: 完整的数据预处理、训练、评估、可视化流程

数据集获取

MELD数据集可以通过以下方式获取：

下载链接：MELD.Raw.tar.gz
下载命令：

wget http://web.eecs.umich.edu/~mihalcea/downloads/MELD.Raw.tar.gz -P data/

解压数据集：

cd data
tar -xzvf MELD.Raw.tar.gz
cd MELD.Raw
tar -xzvf train.tar.gz
tar -xzvf dev.tar.gz
tar -xzvf test.tar.gz

解压后的MELD.Raw目录结构如下：

MELD.Raw/
├── README.txt
├── dev_sent_emo.csv           # 验证集情感标签
├── dev_splits_complete        # 验证集数据
├── dev.tar.gz                 # 验证集压缩包
├── output_repeated_splits_test # 测试集重复分割数据
├── test_sent_emo.csv          # 测试集情感标签
├── test.tar.gz                # 测试集压缩包
├── train_sent_emo.csv         # 训练集情感标签
├── train_splits               # 训练集数据
└── train.tar.gz               # 训练集压缩包

环境配置

1. 安装依赖

pip install -r requirements.txt

2. 预训练模型准备

本项目使用的预训练模型如下：

文本模型: RoBERTa-base
音频模型: Wav2Vec2-base-960h
视频模型: DINO-ViT-B/16

手动下载预训练模型：

# Make sure git-lfs is installed (https://git-lfs.com)
git lfs install

# 文本模型 (RoBERTa-base)
git clone https://huggingface.co/roberta-base models/roberta-base

# 音频模型 (Wav2Vec2)
git clone https://huggingface.co/facebook/wav2vec2-base-960h models/wav2vec2-base-960h

# 视频模型 (DINO-ViT)
git clone https://huggingface.co/facebook/dino-vitb16 models/dino-vitb16

检查模型是否下载完整：

python scripts/check_models.py

该脚本会检查所有必要的模型文件是否存在，如果有缺失会提示下载方法。

多模态情感分析

1. 数据预处理

预处理所有模态

首先需要提取多模态特征：

python src/preprocess/preprocess_all.py --use_local --local_model_dir models

预处理单一模态

如果只需要预处理某一模态，可以使用 --modality 参数：

只预处理文本模态：

python src/preprocess/preprocess_all.py --use_local --local_model_dir models --modality text

只预处理音频模态：

python src/preprocess/preprocess_all.py --use_local --local_model_dir models --modality audio

只预处理视频模态：

python src/preprocess/preprocess_all.py --use_local --local_model_dir models --modality video

预处理完成后，特征文件将保存在 data/processed/ 目录下：

data/processed/
├── text_features/
├── audio_features/
└── video_features/

2. 训练模型

本项目支持两种模态配置：

三模态训练（文本+音频+视频）

python main.py train --config configs/config.json

双模态训练（文本+音频）

python main.py train --config configs/config_bimodal.json

模态配置说明

三模态配置 (configs/config.json):

模型名称: FusionModel
启用模态: ["text", "audio", "video"]
保存路径: checkpoints/FusionModel_999/

双模态配置 (configs/config_bimodal.json):

模型名称: BiModalFusionModel
启用模态: ["text", "audio"]
保存路径: checkpoints/BiModalFusionModel_999/

训练过程会自动：

训练完整120个epoch以充分学习
保存最佳模型到相应的检查点目录
记录训练历史到 history.json
在测试集上评估并保存结果到 test_results.json

3. 评估模型

方法一：使用主程序测试

评估三模态模型：

python main.py test --config configs/config.json --checkpoint checkpoints/FusionModel_999/best_model.pth

评估双模态模型：

python main.py test --config configs/config_bimodal.json --checkpoint checkpoints/BiModalFusionModel_999/best_model.pth

方法二：使用独立评估脚本

评估三模态模型：

# 评估测试集
python src/utils/evaluate_model.py --checkpoint checkpoints/FusionModel_999/best_model.pth

# 评估验证集
python src/utils/evaluate_model.py --checkpoint checkpoints/FusionModel_999/best_model.pth --split dev

# 指定输出目录
python src/utils/evaluate_model.py --checkpoint checkpoints/FusionModel_999/best_model.pth --output_dir results/

评估双模态模型：

# 评估测试集
python src/utils/evaluate_model.py --checkpoint checkpoints/BiModalFusionModel_999/best_model.pth

# 评估验证集
python src/utils/evaluate_model.py --checkpoint checkpoints/BiModalFusionModel_999/best_model.pth --split dev

# 指定输出目录
python src/utils/evaluate_model.py --checkpoint checkpoints/BiModalFusionModel_999/best_model.pth --output_dir results/

4. 集成学习

通过训练多个不同随机种子的模型并进行投票能进一步提升模型性能。

建议的集成配置：

模型数量: 5个模型（经验证最优）
随机种子: 999, 42, 123, 456, 789
集成方法: 硬投票（voting）最稳定
验证: 软投票可尝试进一步优化

完整集成流程

使用以下命令进行完整的集成训练和评估：

三模态集成：

# 1. 训练集成模型
python scripts/train_ensemble.py --config configs/config.json --seeds 999 42 123 456 789

# 2. 评估集成模型  
python scripts/evaluate_ensemble.py --ensemble_info checkpoints/ensemble/ensemble_info.json --method voting
python scripts/evaluate_ensemble.py --ensemble_info checkpoints/ensemble/ensemble_info.json --method soft_voting
python scripts/evaluate_ensemble.py --ensemble_info checkpoints/ensemble/ensemble_info.json --method weighted_voting

双模态集成：

# 1. 训练集成模型
python scripts/train_ensemble.py --config configs/config_bimodal.json --seeds 999 42 123 456 789

# 2. 评估集成模型  
python scripts/evaluate_ensemble.py --ensemble_info checkpoints/ensemble/ensemble_info.json --method voting
python scripts/evaluate_ensemble.py --ensemble_info checkpoints/ensemble/ensemble_info.json --method soft_voting
python scripts/evaluate_ensemble.py --ensemble_info checkpoints/ensemble/ensemble_info.json --method weighted_voting

也可以自定义随机种子和输出目录：

# 三模态自定义集成
python scripts/train_ensemble.py --config configs/config.json --seeds 100 200 300 400 500 --output_dir checkpoints/my_ensemble_trimodal

# 双模态自定义集成
python scripts/train_ensemble.py --config configs/config_bimodal.json --seeds 100 200 300 400 500 --output_dir checkpoints/my_ensemble_bimodal

训练完成后会生成：

ensemble_info.json: 集成模型信息
各个模型的检查点目录

集成结果

实际测试结果 (MELD测试集)：

集成模型性能 (voting):
  准确率: 62.34%
  F1-Macro: 36.09%  
  F1-Weighted: 59.26%

单个模型性能:
  模型1 (种子42): Acc=61.65%, F1-Weighted=58.66%
  模型2 (种子123): Acc=62.15%, F1-Weighted=59.15% 
  模型3 (种子456): Acc=62.61%, F1-Weighted=59.41%
  模型4 (种子789): Acc=61.99%, F1-Weighted=58.78%
  模型5 (种子999): Acc=62.61%, F1-Weighted=59.83%

性能对比:
  单模型平均: Acc=62.20%, F1-Weighted=59.17%
  集成模型:   Acc=62.34%, F1-Weighted=59.26%
  提升幅度:   Acc=+0.14%, F1-Weighted=+0.09%

各类别表现：

优势类别: neutral (78.15%), surprise (52.74%), joy (54.59%)
挑战类别: fear (0.0%), disgust (0.0%), sadness (24.92%)
平衡类别: anger (42.20%)

完整集成流程

使用以下命令进行完整的集成训练和评估：

# 1. 训练集成模型
python scripts/train_ensemble.py --config configs/config.json --seeds 999 42 123 456 789

# 2. 评估集成模型  
python scripts/evaluate_ensemble.py --ensemble_info checkpoints/ensemble/ensemble_info.json --method voting
python scripts/evaluate_ensemble.py --ensemble_info checkpoints/ensemble/ensemble_info.json --method soft_voting
python scripts/evaluate_ensemble.py --ensemble_info checkpoints/ensemble/ensemble_info.json --method weighted_voting

5. 情感模型升级

将标准的 roberta-base 换为专门的情感分析模型twitter-roberta-base-emotion：

快速开始

# 设置Hugging Face镜像源
export HF_ENDPOINT=https://hf-mirror.com

# 1. 提取情感模型特征
python scripts/preprocess_emotion_model.py

# 2. 使用情感模型配置训练
python main.py train --config configs/config_bimodal_emotion.json

评估情感模型

# 方法一：使用主程序评估
python main.py test --config configs/config_bimodal_emotion.json --checkpoint checkpoints/BiModalEmotionModel_999/best_model.pth

# 方法二：使用独立评估脚本
python src/utils/evaluate_model.py --checkpoint checkpoints/BiModalEmotionModel_999/best_model.pth

# 评估验证集
python src/utils/evaluate_model.py --checkpoint checkpoints/BiModalEmotionModel_999/best_model.pth --split dev

# 指定输出目录
python src/utils/evaluate_model.py --checkpoint checkpoints/BiModalEmotionModel_999/best_model.pth --output_dir results/emotion_model/

6. 端到端训练

端到端训练方法，直接处理原始文本进行完全微调：

快速开始

# 设置镜像源
export HF_ENDPOINT=https://hf-mirror.com

# 开始端到端训练
python scripts/train_end_to_end.py --config configs/config_end_to_end_emotion.json

评估端到端模型

# 使用专门的端到端评估脚本
python scripts/evaluate_end_to_end.py --config configs/config_end_to_end_emotion.json --checkpoint checkpoints/EndToEndEmotionModel_42/best_model.pth

# 评估验证集
python scripts/evaluate_end_to_end.py --config configs/config_end_to_end_emotion.json --checkpoint checkpoints/EndToEndEmotionModel_42/best_model.pth --split dev

# 指定输出目录
python scripts/evaluate_end_to_end.py --config configs/config_end_to_end_emotion.json --checkpoint checkpoints/EndToEndEmotionModel_42/best_model.pth --output_dir results/end_to_end_model/

# 保存预测结果
python scripts/evaluate_end_to_end.py --config configs/config_end_to_end_emotion.json --checkpoint checkpoints/EndToEndEmotionModel_42/best_model.pth --save_predictions

重要提示: 端到端模型使用不同的架构(EndToEndMultiModalModel)，无法通过标准的main.py test命令评估，必须使用专门的scripts/evaluate_end_to_end.py脚本。

核心特性

端到端文本处理: 使用 j-hartmann/emotion-english-distilroberta-base
高级融合架构: 多层交叉注意力机制 + 动态权重学习
优化训练策略: 差异化学习率、梯度累积、余弦重启调度

注意事项

数据规模限制: 根据实际测试，端到端方法在MELD数据集(9989样本)上出现过拟合，建议优先使用情感模型升级方案。

性能表现

方法对比表现

方法	测试准确率	F1-Weighted	改进说明
基础双模态	60.69%	58.95%	标准RoBERTa + Wav2Vec2
情感模型升级	62.11%	60.67%	cardiffnlp/twitter-roberta-base-emotion
集成模型 (5模型投票)	62.34%	59.26%	多随机种子硬投票集成
最佳随机种子	61.19%	60.32%	最佳随机种子999
端到端训练	60.54%	60.03%	在小数据集上出现了过拟合

Navigation Menu

MELD数据集多模态情感分析

项目结构

模型特点

数据集获取

环境配置

1. 安装依赖

2. 预训练模型准备

多模态情感分析

1. 数据预处理

预处理所有模态

预处理单一模态

2. 训练模型

三模态训练（文本+音频+视频）

双模态训练（文本+音频）

模态配置说明

3. 评估模型

方法一：使用主程序测试

方法二：使用独立评估脚本

4. 集成学习

完整集成流程

集成结果

完整集成流程

5. 情感模型升级

快速开始

评估情感模型

6. 端到端训练

快速开始

评估端到端模型

核心特性

注意事项

性能表现

方法对比表现

相关结果展示

训练结果展示

评估结果展示

FilesExpand file tree

README.md

Latest commit

History

README.md

File metadata and controls

MELD数据集多模态情感分析

项目结构

模型特点

数据集获取

环境配置

1. 安装依赖

2. 预训练模型准备

多模态情感分析

1. 数据预处理

预处理所有模态

预处理单一模态

2. 训练模型

三模态训练（文本+音频+视频）

双模态训练（文本+音频）

模态配置说明

3. 评估模型

方法一：使用主程序测试

方法二：使用独立评估脚本

4. 集成学习

完整集成流程

集成结果

完整集成流程

5. 情感模型升级

快速开始

评估情感模型

6. 端到端训练

快速开始

评估端到端模型

核心特性

注意事项

性能表现

方法对比表现

相关结果展示

训练结果展示

评估结果展示