weixin_62472350的博客

本文提出一种统一架构，将情感导向的原因预测（EoCP）和原因导向的情感预测（CoEP）整合到单链结构中，通过双向预测和闭环结构检测提高情感-原因对抽取的准确性，并通过置信度估计增强模型性能。实验结果表明，所提模型在多重情感-原因对抽取任务中实现了最新的性能提升。

基于MRC实现情感-原因对抽取。

多模态情感分析领域，本文提出了自适应存储引导的多模态Transformer（ALMT），该方法采用自适应超模态学习（AHL）模块，在不同尺度的语言特征指导下，从视觉和听觉特征中学习出一种无关/冲突抑制表征。

一种基于 LLM 和数据增强的跨领域属性级情感分析方法，旨在克服目标领域数据匮乏和领域差异性的问题。

关于情感原因对抽取的研究综述

阅读了一篇ABSA的论文，在这里写下自己的一些理解小笔记，可能有点小乱，原文在这下面： 论文链接：Refining and Synthesis: A Simple yet Effective Data Augmentation Framework for Cross-Domain Aspect-based Sentiment Analysis - ACL Anthology 中文文章链接：论文速递丨ACL 2024：交叉领域情感分析 (qq.com) 大多数ABS

基于方面的情感分析（ABSA），旨在分析和理解人们的意见在方面的水平，它一个重要的细粒度情感分析问题。