10月22日，CSA多模态情感计算课题组第31期学术组会顺利召开。本次会议由国际联合实验室宋斌老师主持。本次组会的主题是《社交媒体大数据情感分析关键技术研究》和《COLD Fusion: Calibrated and Ordinal Latent Distribution Fusion for Uncertainty-Aware Multimodal Emotion Recognition》

       河南科技大学2023级硕士研究生徐梓博作了题为《社交媒体大数据情感分析关键技术研究》的中期报告。报告围绕社交媒体大数据情感分析的关键技术展开，内容包括研究背景、研究内容、研究进展以及下一步工作计划四个部分。在研究背景部分，报告介绍了社交媒体的广泛普及及情感计算领域的研究热度，阐述了多模态方法相较于单模态方法的优势，并指出了当前研究存在的不足，由此引出了课题的核心研究方向——“社交媒体大数据情感分析关键技术研究”，重点攻克多模态融合、对齐与鲁棒性等难题。在研究内容部分，报告详细介绍了两个研究方向：《基于跨模态互补平衡的对比学习驱动多模态情感分析》和《细粒度多模态情感分析中模态差异与鲁棒性缺失的建模方法》。随后，徐梓博同学展示了研究进展与阶段性成果，并对下一步的研究计划进行了展望与总结。

       河南科技大学2025级硕士生张笑笑对《COLD Fusion: Calibrated and Ordinal Latent Distribution Fusion for Uncertainty-Aware Multimodal Emotion Recognition》文献进行汇报交流。本次汇报分五部分：一是点明研究背景与问题，多模态情感识别可整合多类信息理解情绪，但存在模态质量不一、噪声干扰问题，传统方法忽略不确定性致鲁棒性不足，本研究聚焦数据固有噪声的偶然不确定性建模；二是阐述COLD Fusion方法，通过学习单模态时序上下文潜分布、以方差度量不确定性，结合双约束动态分配权重，创新损失函数适配多任务并避免方差坍缩；三是展示实验结果，模型在三大数据集上表现优异，维度与分类任务性能均有提升，噪声环境下性能提升显著，消融实验与校准分析验证模型有效性；四是总结结论，COLD Fusion提供新范式；五是展望未来，计划扩展模态、结合先进模型并探索集成方案。

       在交流讨论环节，宋斌老师对汇报进行了总结，并提出了宝贵的建设性建议。其他与会组员围绕汇报内容提出了问题并展开了深入讨论，进一步加深了对相关问题的理解。

（图文/徐梓博、张笑笑 审核/宋斌）