tcn760的博客

Adapting BERT for Target-Oriented Multimodal Sentiment Classification论文地址：https://ink.library.smu.edu.sg/sis_research/4441/代码地址：https://github.com/jefferyYu/TomBERT 1、简介面向目标的情感分类(Targetoriented Sentiment Classification，TSC)的目标是识别句子中每个观点的情感极性。然而这一任务现

Multi-Interactive Memory Network for Aspect Based Multimodal Sentiment Analysis论文地址：https://ojs.aaai.org/index.php/AAAI/article/view/38071、简介方面级的情感分析的目标是为了识别一个句子中指定方面的情感极性，它可以分为一下两类：Aspect term：Aspect Term Sentiment Analysis的目标是预测每个实体的情感，实体为输入文本中提到的

MISA: Modality-Invariant and -Specific Representations for Multimodal Sentiment Analysis论文地址：https://dl.acm.org/doi/abs/10.1145/3394171.3413678?casa_token=oI8VnZ8Eg10AAAAA:mVUbDA0AZiAXcDxiDmV9-ooRH4PxzlSMXkBCgm1OCopziDWz8U3ZU54VzJIfqCCsbRFAvk8_kJhzBQ简介

A Transformer-based joint-encoding for Emotion Recognition and Sentiment Analysis情感分析和情绪识别对于情感分析来说， 情感表达可以来源于文字、音频、图像， 结合两种及以上模态建模情感分析， 就是多模态情感分析。如下图所示，利用文本、图像、音频(这三个模态来源于多媒体数据，其中的文本和声音和图像数据是从该多媒体数据中提取出的)三个模态去分析多媒体数据所表达的情感是积极的还是消极的或者是什么情绪(开心，激动，伤心，生气)，就是

Learning Relationships between Text, Audio, and Video via Deep Canonical Correlation for Multimodal Language Analysis论文地址：https://arxiv.org/abs/1911.05544文本提出的模型-交互典型相关网络(ICCN)，该模型使用特征对的外积以及深度典型相关分析(DCCA)来生成有用的多模态嵌入特征。文本特征在情感分析或情感识别任务中通常优于非文本特征，有以下几个原

Multimodal Transformer for Unaligned Multimodal Language Sequences论文地址：https://arxiv.org/abs/1906.00295对多模态人类语言序列数据进行建模的主要挑战：1.每种模态的序列的采样方法不同，因此不同数据是未对齐的（就是一段文字，采样后与之相匹配的视频片段或音频片段与之并未对其）2.跨模态的元素之间的长期依赖关系（哭泣可能与之前所说过的话有关系）本文提出MulT来解决上述问题。通过电影评论的实例视频剪