本发明提供一种基于自适应权值剪枝的多模态数据挖掘方法，涉及数据挖掘技术领域。通过提出多线性池化方法融合多模态数据特征，基于模态内和模态间的关系分析结果，可以自动融合多模态情绪特征；采用时间卷积神经网络（TCN）对基于时间序列的多模态数据进行挖掘；同时，引入模糊逻辑方法进一步指导训练方向，给出分类结果的可解释性；此外，还设计了一种基于层次相关性分析的自适应权值剪枝方法，以优化TCN模型性能，解决了多模态数据融合及现有基于深度学习的情绪识别模型的可解释性差的问题。