Information Bottleneck based Representation Learning for Multimodal Sentiment Analysis

计算机科学 信息瓶颈法 模式 瓶颈 任务(项目管理) 代表(政治) 模态(人机交互) 人工智能 最大化 情态动词 特征学习 机器学习 自然语言处理 相互信息 经济 法学 高分子化学 管理 化学 微观经济学 政治学 嵌入式系统 社会学 政治 社会科学
作者
Tonghui Zhang,Haiying Zhang,Shuke Xiang,Tong Wu
标识
DOI:10.1145/3522749.3523069
摘要

Recently, Multimodal Sentiment Analysis (MSA) has become a hot research topic of cross modal research in artificial intelligence domain. For this task, the research focuses on extract comprehensive information which dispersed in different modalities. In existing research works, some paid attention to the ingenious fusion method inspired by the consideration of intra-modality and inter-modality reaction, while others devoted to remove task-irrelevant information to refine single modal representation by imposing constraints. However, both of these are limited to the lack of effective control over information in the learning of multimodal representation. It may loss task-relevant information or introduce extra noise. In order to address the afore-mentioned issue, we propose a framework named Multimodal Information Bottleneck (MMIB) in this paper. By imposing mutual information constraints between different modal pairs (text-visual, acoustic-visual, text-acoustic) to control the maximization of mutual information between different modalities and minimization of mutual information inside single modalities, the task-irrelevant information in a single modal can be removed efficiency while kept the related ones, so that the multimodal representation is improved greatly. By the experiments on two widely used public datasets, it demonstrates that our proposed method outperforms existing methods (like MAG-BERT, Self-MM) in binary-classification and achieves a comparable performance in other evaluation metrics.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
藏识完成签到,获得积分10
刚刚
Cheshire完成签到,获得积分10
1秒前
3秒前
七个小矮人完成签到 ,获得积分10
4秒前
nan完成签到,获得积分10
6秒前
尊敬乐蕊发布了新的文献求助10
8秒前
Ashley完成签到 ,获得积分10
9秒前
9秒前
害羞的网络完成签到,获得积分10
10秒前
wxm发布了新的文献求助10
10秒前
伊麦香城完成签到,获得积分10
12秒前
周水吉吖完成签到 ,获得积分10
13秒前
追寻绮玉完成签到,获得积分10
13秒前
xshuang完成签到,获得积分10
14秒前
伊麦香城发布了新的文献求助10
14秒前
CodeCraft应助尊敬乐蕊采纳,获得10
15秒前
20秒前
21秒前
超级大猩猩完成签到,获得积分10
22秒前
共享精神应助谦让诗采纳,获得10
23秒前
JL完成签到 ,获得积分10
23秒前
开心的秋寒完成签到 ,获得积分10
25秒前
25秒前
asipilin完成签到,获得积分10
26秒前
27秒前
LYSnow7完成签到 ,获得积分10
27秒前
33秒前
尊敬乐蕊发布了新的文献求助10
33秒前
34秒前
35秒前
阿分完成签到,获得积分10
37秒前
38秒前
阿分发布了新的文献求助10
39秒前
sllytn应助wxm采纳,获得30
39秒前
nz完成签到,获得积分10
40秒前
达菲完成签到,获得积分10
42秒前
42秒前
珊珊发布了新的文献求助10
42秒前
牛诗悦发布了新的文献求助10
42秒前
李健应助科研通管家采纳,获得10
44秒前
高分求助中
The Oxford Handbook of Social Cognition (Second Edition, 2024) 1050
Kinetics of the Esterification Between 2-[(4-hydroxybutoxy)carbonyl] Benzoic Acid with 1,4-Butanediol: Tetrabutyl Orthotitanate as Catalyst 1000
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Handbook of Qualitative Cross-Cultural Research Methods 600
Chen Hansheng: China’s Last Romantic Revolutionary 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3140361
求助须知:如何正确求助?哪些是违规求助? 2791107
关于积分的说明 7797976
捐赠科研通 2447576
什么是DOI,文献DOI怎么找? 1301949
科研通“疑难数据库(出版商)”最低求助积分说明 626354
版权声明 601194