
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于多模态特征的情感分析:结合插件增强的大型语言模型
《IEEE Transactions on Neural Networks and Learning Systems》:Multimodal Aspect-Based Sentiment Analysis With Plugin-Enhanced Large Language Models
【字体: 大 中 小 】 时间:2026年04月08日 来源:IEEE Transactions on Neural Networks and Learning Systems 8.9
编辑推荐:
多模态基于方面的情感分析(MABSA)需融合视觉与文本特征解决模态间复杂关联问题,现有方法依赖高级编码器但存在局限。本文提出插件式框架,利用A-GCN编码关键知识实例并记忆型枢纽对齐多模态表征,在基准数据集上超越基线,且支持LLM高效适配任务。
多模态基于方面的情绪分析(MABSA)是一项将视觉理解和自然语言处理相结合的关键任务,旨在通过整合多种数据模态来识别组合输入中实体特定方面的情绪极性。与传统仅关注文本内容的情绪分析任务不同,MABSA利用文本、图像和视频等多种模态的组合,以捕捉更丰富、更细致的意见和情感理解。MABSA通过其他重要证据的支持,克服了单模态输入情绪分析的局限性,这些证据可以揭示隐含的极性并提高情绪预测的可解释性。因此,它在广泛的现实世界应用中具有巨大潜力,特别是在用户意见多样并通过多种模态的内容表达的领域,例如产品评论、社交媒体监控、客户服务自动化,以及媒体和娱乐产品等,这使得这项任务成为近年来研究的热门领域[1]、[2]、[3]、[4]、[5]、[6]、[7]、[8]、[9]、[10]。