Cross-modal incongruity aligning and collaborating for multi-modal sarcasm detection

讽刺 计算机科学 保险丝(电气) 模态(人机交互) 人工智能 模式 情态动词 自编码 过程(计算) 自然语言处理 图像融合 机器学习 图像(数学) 深度学习 语言学 工程类 讽刺 社会科学 哲学 化学 电气工程 社会学 高分子化学 程序设计语言 操作系统
作者
Jie Wang,Yan Yang,Yongquan Jiang,Minbo Ma,Zhuyang Xie,Tianrui Li
出处
期刊:Information Fusion [Elsevier]
卷期号:103: 102132-102132 被引量:2
标识
DOI:10.1016/j.inffus.2023.102132
摘要

Sarcasm embodies a linguistic phenomenon that highlights a significant incongruity between the literal meanings of words and intended attitudes. With the proliferation of image–text content on social media, the task of multi-modal sarcasm detection (MSD) has gained considerable attention recently. Tremendous progress have been made in developing better MSD models, primarily relying on a straightforward extract-then-fuse paradigm. However, such a setting encounters two potential challenges. First, the utilization of separately pre-trained unimodal models for extracting visual and textual features frequently lacks the fundamental alignment capabilities required for effective multimodal data integration. Second, the detrimental modality gaps between vision and language make it challenging to comprehensively integrate multi-modal information solely via diverse cross-modal fusion techniques. Consequently, this poses a prominent challenge in further capturing cross-modal incongruity and improving the effectiveness of MSD. In this paper, we propose a Multi-modal Mutual Learning (MuMu) network to tackle these issues. Specifically, we initialize the MuMu network with image and text encoders from the large-scale Contrastive Language-Image Pretraining model to enhance the underlying image–text correspondence. Moreover, to improve the capability of capturing cross-modal inconsistency during the fusion process, we design an align-fuse-collaborate mechanism to align disparate modalities before fusion and enhance the collaborative modeling ability between the two modalities with mutual learning after fusion. The proposed MuMu achieves new state-of-the-art results on a public dataset, demonstrating a substantial improvement of approximately 3% to 9% in terms of accuracy, micro-F1, and macro-F1 scores.
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
wjwless完成签到,获得积分10
刚刚
CipherSage应助从容的宝马采纳,获得10
刚刚
刚刚
1秒前
哈哈哈哈发布了新的文献求助10
1秒前
abc发布了新的文献求助10
1秒前
文艺凌丝完成签到,获得积分10
1秒前
1秒前
贝贝子完成签到,获得积分10
2秒前
大模型应助HYHY采纳,获得10
2秒前
一一应助Flora采纳,获得30
2秒前
上进生发布了新的文献求助10
2秒前
Chafferer发布了新的文献求助30
3秒前
我不爱池鱼应助ZW116023采纳,获得10
3秒前
3秒前
可口可乐发布了新的文献求助10
4秒前
ws发布了新的文献求助10
4秒前
4秒前
丘比特应助月下荷花采纳,获得10
4秒前
li完成签到 ,获得积分10
4秒前
依依发布了新的文献求助10
4秒前
4秒前
我不爱池鱼应助背后瑾瑜采纳,获得10
5秒前
南宫完成签到,获得积分10
5秒前
高等游民发布了新的文献求助10
5秒前
五角星发布了新的文献求助10
6秒前
北柠Irene发布了新的文献求助10
6秒前
6秒前
7秒前
8秒前
乐乐应助Rrrrr_y采纳,获得10
8秒前
hyjhhy发布了新的文献求助30
9秒前
丹布里发布了新的文献求助10
9秒前
9秒前
chu完成签到,获得积分10
10秒前
CodeCraft应助llltencion采纳,获得10
10秒前
10秒前
Desire发布了新的文献求助10
10秒前
小二郎应助小白兔采纳,获得10
10秒前
阳光怀亦发布了新的文献求助10
10秒前
高分求助中
The ACS Guide to Scholarly Communication 2500
Sustainability in Tides Chemistry 2000
Microlepidoptera Palaearctica, Volumes 1 and 3 - 13 (12-Volume Set) [German] 1122
The Data Economy: Tools and Applications 1000
Diamonds: Properties, Synthesis and Applications 800
PraxisRatgeber Mantiden., faszinierende Lauerjäger. – Buch gebraucht kaufen 700
Mantiden - Faszinierende Lauerjäger – Buch gebraucht kaufen 700
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 3097041
求助须知:如何正确求助?哪些是违规求助? 2749049
关于积分的说明 7602683
捐赠科研通 2400865
什么是DOI,文献DOI怎么找? 1273728
科研通“疑难数据库(出版商)”最低求助积分说明 615896
版权声明 598999