.png){kind=icon}
返回
A Knowledge-Enhanced Network for Multimodal Aspect-Based Sentiment Classification
.png){kind=icon}
PRE
AI
DOI：10.1007/978-981-95-3453-1_26.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
多模态基于方面的情感分类（MASC）旨在通过利用文本和视觉模态来识别文本中方面词的情感极性。尽管近期方法整合了详细的视觉特征，但它们往往忽视了短且稀疏的多模态推文在方面语义上提供的有限上下文这一挑战。虽然已探索过字幕生成，但此类描述通常泛化且缺乏任务相关性。为解决此问题，我们提出了一个知识增强网络（AKENM），通过外部知识来丰富缺失的上下文。AKENM包含单模态特征提取、知识特征提取、知识引导交互和跨模态融合模块。通过整合知识增强的文本和视觉特征，本方法能更好地捕捉方面特定语义，并提升情感分类性能。在Twitter-2015和Twitter-2017上的实验表明，AKENM在准确率和F1分数上均优于竞争模型。
Keyword:
Multimodal Aspect-Based Sentiment Classification
Knowledge Enhancement
Knowledge-guided Interaction
期刊
A
IF:
0
论文数:
27
被引数:
0
机构
引用论文
AMIFN: Aspect-guided multi-view interactions and fusion network for multimodal aspect-based sentiment analysis°AMIFN: 用于多模态基于方面的情感分析的方面引导的多视图交互和融合网络。.png)
NEUROCOMPUTING
NEUROCOMPUTINGIF6.5
PREAI
分享收藏Image-to-Text Conversion and Aspect-Oriented Filtration for Multimodal Aspect-Based Sentiment Analysis多模态基于方面的情感分析的图像到文本转换和面向方面的过滤
PREAI
分享收藏Hierarchical Interactive Multimodal Transformer for Aspect-Based Multimodal Sentiment Analysis用于基于方面的多模态情感分析的分层交互式多模态转换器
PREAI
分享收藏
分享收藏
没有更多内容
没有更多内容