旨在融合图像与文本信息分析社交媒体情感，提升情感分析鲁棒性。使用ResNet50提取图像特征，BERT提取文本特征，通过跨模态注意力机制融合后输入全连接分类器。在自建的10万条短视频数据集上训练，情感分类F1达到0.87。独立完成模型搭建、调优与部署，使用TensorBoard监控训练过程，并封装为RESTful API供前端调用，支持实时推理与批量处理。

针对电商推荐冷启动问题，基于TransR模型构建商品知识图谱，将实体与关系嵌入融合到协同过滤算法中。使用Neo4j存储图谱，通过PyG实现图神经网络训练，优化损失函数并引入负采样策略。在公开数据集上召回率提升12%，准确率提升8%，有效缓解新物品推荐难题。与团队成员协作设计评估指标，完成多组对比实验，结果可视化并撰写技术报告。