摘要
本发明涉及多媒体内容处理技术领域，尤其涉及一种基于深度学习的多模态传媒内容分析系统。该系统包括数据采集模块、数据预处理模块、多模态特征融合模块、语义分析理解模块、敏感内容检测模块和结果展示模块；本方案引入独立训练的AV编码器，分别对音频与视觉模态进行特征提取与预融合，设计可学习的融合标记，作为语言模态与视听信息之间的交互桥梁；构建由冻结语言模型块与多模态融合块组成的语言嵌入融合模块，同时，设计多任务输出，支持对情感极性、语义连贯性与模态一致性进行联合优化，实现对多模态内容的全面特征提取与深入理解，提升模型在复杂媒体场景下的分析精度与泛化能力。
