マルチモーダル感情解析のための感情融合によるマルチチャネルアテンショングラフ畳込みネットワーク【JST・京大機械翻訳】

Xiao Luwei; Wu Xingjiao; Wu Wen; Yang Jing; He Liang

プレプリント

J-GLOBAL ID：202202214247059665 整理番号：22P0279434

マルチモーダル感情解析のための感情融合によるマルチチャネルアテンショングラフ畳込みネットワーク【JST・京大機械翻訳】

Multi-channel Attentive Graph Convolutional Network With Sentiment Fusion For Multimodal Sentiment Analysis

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2022年01月25日プレプリントサーバーでの情報更新日： 2022年01月25日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

今日,ソーシャルメディアプラットフォームに関するマルチモーダルレビューの爆発的成長により,マルチモーダル感情解析は,これらのソーシャルメディアポストに対する高い関連性のために,最近人気を得ている。ほとんどの以前の研究は,複数のモダリティの対話型表現を学習するための様々な融合フレームワークを設計するが,それらは,感情知識をモダリティ間学習に組み込むことができない。本論文では,2つの主成分:クロスモーダル対話型学習と感情的特徴融合から成る,マルチチャネル特許グラフ畳込みネットワーク(MAGCN)を提案した。交差モダリティインタラクティブ学習のために,著者らは,モード間ダイナミックスを学習するために,高密度に接続されたグラフ畳込みネットワークと結合した自己注意機構を利用した。感情的特徴融合のために,著者らは,マルチヘッド自己注意を利用して,感情的知識をモード間特徴表現に併合する。3つの広く使用されたデータセットについて広範な実験を行った。実験結果は,提案モデルがいくつかの最先端の手法と比較して,精度とF1スコアに関して競合性能を達成することを証明した。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , , , , , 【Automatic Indexing@JST】

パターン認識 , 人工知能

, , , ,

前のページに戻る