weixin_44691087的博客

abstract多模态情感分析是一个新兴的研究领域，旨在使机器能够识别、解释和表达情感。通过跨模态互动，我们可以得到说话者更全面的情绪特征。来自Transformers(BERT)的双向Encoder表示是一种有效的预训练语言表示模型。通过微调，它在11个自然语言处理任务，如问题回答和自然语言推理上获得了新的最先进的结果。然而，以往的大多数工作都只基于文本数据对BERT进行微调，如何通过引入多模态信息来学习更好的表示仍然值得探索。在本文中，我们提出了跨模态BERT(CM-BERT)，它依赖于文本和音频模态

Graph Ensemble Learning over Multiple Dependency Trees for Aspect-level Sentiment Classification问题：在aspect级别的情感分类任务上，整合如句法解析树的语法结构到GNN中被证明是有效的，但是这些方法通常容易出现解析错误。方法：在面对不可避免的解析错误时，为了更好的利用语法信息，该论文提出了一个简单但有效的图集成技术–图合并，来充分利用不同解析树的预测信息。Ps:该论文不是为每个依赖树赋予一组模型参数，