简约风ST - TAN模型框架设计插画素材

3.1 整体模型：ST-TAN模型框架与设计理念 为解决现有研究在社交媒体叙事结构分析中存在的“情感-主题-叙事割裂建模”“时序维度缺失”“碎片化文本适配不足”等问题，本研究设计情感-主题融合的时序Transformer叙事分析模型（ST-TAN），构建端到端的自动化分析框架。模型核心设计理念为：以Transformer架构为语义编码核心，融合情感感知与主题建模任务，引入时序注意力机制捕捉叙事动态演进关系，同时通过针对性的预处理策略适配社交媒体碎片化文本特性，实现“文本预处理-语义编码-情感-主题联合建模-时序叙事识别”的全链路优化。ST-TAN模型整体网络架构分为五层，各层级协同实现叙事结构的自动化分析：（1）输入层：接收原始社交媒体文本数据及对应的时间戳信息，为后续处理提供基础数据；（2）预处理层：完成文本清洗、叙事单元划分与缺失元素补全，输出结构化的叙事单元文本；（3）核心编码层：基于RoBERTa模型实现文本语义的深度编码，生成富含上下文信息的语义向量；（4）联合建模层：包含情感感知模块、主题建模模块与时序注意力模块，实现情感-主题-叙事的协同建模；（5）输出层：输出结构化的叙事元组（角色、事件、情感倾向、主题归属、时序位置）及相关量化指标（叙事完整性、情感集中度等）。模型核心创新点体现在三方面：一是构建情感-主题联合建模机制，通过情感置信度加权策略强化二者内在关联；二是引入时序注意力与时间戳编码，实现叙事节点间时序依赖与语义关联的同步捕捉；三是设计碎片化文本适配策略，提升不完整叙事单元的信息提取精度。根据以上内容为我生成这个模型的结构图，英文