您提供的是 Sibunruang 等人发表在《Symmetry》期刊上的论文信息： - **作者**：Sibunruang 等人 - **标题**：Symmetry- and Asymmetry-Aware Domain Adaptation for Cross-Domain Sentiment Analysis - **期刊**：Symmetry - **年份**：2026 - **卷号**：18 - **文章编号**：357 这是一篇关于**跨领域情感分析**的研究论文，提出了结合**对称与不对称感知**的领域自适应方法。 请问您是否需要进一步的帮助，例如： - 查找该论文的详细信息或摘要？ - 了解该研究的核心方法或创新点？ - 获取相关领域的研究综述？ 请告诉我您的具体需求

《Symmetry》：Correction: Sibunruang et al. Symmetry- and Asymmetry-Aware Domain Adaptation for Cross-Domain Sentiment Analysis. Symmetry 2026, 18, 357

　　

缺失引用

在原文发表版本中1，参考文献[22–28]的排列顺序有误。在更正参考文献顺序的过程中，现列为参考文献[24]的研究通过在主文中添加以下句子及相应引用来予以保留：

"Wang 等人[24] 将多模态时空特征相结合以实现自动抑郁识别。"

文本更正/表 3

在原文发表版本中，表 3 中的一些参考文献编号与参考文献[22–28]的更正后顺序不一致。因此，表 3 中的参考文献编号已更新以与相应的参考文献相对应。表格中呈现的数据、结果或解释未作任何更改。

参考文献

在原文发表版本中，参考文献[22–28]的排列顺序有误。参考文献已根据其在正文中首次出现的顺序重新排列。正文中相应的引用和表 3 中的参考文献编号也已据此进行了调整。

22.

Jiang, H.; Chen, X.; Miao, D.; Zhang, H.; Qin, X.; Gu, X.; Lu, P.; Li, X. Fpa-GCN：基于特征丰富的预测感知图卷积网络增强方面情感三元组抽取。 Appl. Intell. 2025, 55, 740.

23.

Lin, Z.; Wang, Y.; Zhou, Y.; Du, F.; Yang, Y. MLM-EOE：基于情感标注和多专家集成的自动抑郁检测。 IEEE Trans. Affect. Comput. 2025, 16, 2842–2858.

24.

Wang, Y.; Lin, Z.; Yang, C.; Zhou, Y.; Yang, Y. 基于多模态时空路由特征集成的自动抑郁识别。 IEEE Trans. Affect. Comput. 2025, 16, 1855–1872.

25.

Jiang, H.; Chen, X.; Miao, D.; Zhang, H.; Qin, X.; Du, S.; Lu, P. 3WD-DRT：一种基于三方决策增强的动态路由变换器，用于成本敏感的多模态情感分析。 Inf. Sci. 2026, 725, 122704.

26.

Chai, Y.; Weng, Y.; Shao, T.; Zhou, K. 一种用于语音驱动面部动画的语义说话风格空间。 IEEE Trans. Vis. Comput. Graph. 2025, 31, 10801–10814.

27.

Wu, X.; Li, L.; Tao, X.; Xing, F.; Yuan, J. 具有领域知识集成和解释一致性的幸福感预测。 IEEE Trans. Comput. Soc. Syst. 2025, 12, 2949–2962.

28.

Ji, J.; Han, B.; Liu, X.; Xu, X.; Aysa, A.; Ubul, K. DPA-MVSNet：基于变换器和数据增强的动态上下文感知多视图立体匹配。 Knowl.-Based Syst. 2025, 325, 113852.

作者声明，科学结论不受影响。此更正已获学术编辑批准。原发表版本也已同步更新。

参考文献

1. Sibunruang, C.; Polpinij, J.; Kaenampornpan, M.; Khamket, T.; Som-ard, J.; Chottanom, A.; Juanchaiyaphum, J.; Vichianchai, V.; Luaphol, B. 面向跨领域情感分析的对称性与非对称性感知域自适应方法。 Symmetry 2026, 18, 357. [Google Scholar] [CrossRef] [Scilit]

免责声明/出版商声明： 所有出版物中所含的陈述、观点和数据仅代表各个人作者和贡献者的立场，不代表 MDPI 和/或编辑的立场。MDPI 和/或编辑对因内容中提及的任何观点、方法、说明或产品而导致的任何人身伤害或财产损失不承担任何责任。

? 2026 由作者所有。许可人：MDPI，瑞士巴塞尔。本文是在 知识共享署名（CC BY）许可协议 条款和条件下分发的一篇开放获取文章。