清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

Multi-grained fusion network with self-distillation for aspect-based multimodal sentiment analysis

情绪分析 计算机科学 机器学习 稳健性(进化) 分类器(UML) 特征提取 人工智能 水准点(测量) 模式识别(心理学) 化学 生物化学 大地测量学 基因 地理
作者
Juan Yang,Yali Xiao,Xu Du
出处
期刊:Knowledge Based Systems [Elsevier]
卷期号:293: 111724-111724 被引量:3
标识
DOI:10.1016/j.knosys.2024.111724
摘要

Aspect-based multimodal sentiment analysis (ABMSA) is an important branch of multimodal sentiment analysis. The goal of ABMSA is to use multimodal information to infer users' sentiment polarity toward the targeted aspect for supporting corresponding decision-making. The existing ABMSA methods usually focus on exploring aspect-aware fine-grained interactions and demonstrate the benefits of integrating multimodal information. However, such approaches still suffer from the following limitations: (1) coarse-grained semantic information extraction is ignored, (2) the relevance between image and aspect is ignored, and (3) model-agnostic techniques to improve multimodal representations are not employed. To address these limitations, we propose a novel multimodal approach named multi-grained fusion network with self-distillation (MGFN-SD). This approach includes unimodal feature extraction, multi-grained representation learning, and self-distillation-based sentiment prediction. The multi-grained representation learning module extracts fine- and coarse-grained interactions based on the aspect–image relevance computation and the similarity calculation for dynamically filtering potential noise brought by the original image. In the sentiment prediction module, self-distillation is employed to transfer knowledge from both hard and soft labels to supervise the training process of each student classifier for improving the quality of multimodal representations. The experimental results on three benchmark datasets indicate the superiority, rationality, and robustness of MGFN-SD.
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
科研通AI2S应助科研通管家采纳,获得10
16秒前
张西西完成签到 ,获得积分10
28秒前
海豚完成签到 ,获得积分10
29秒前
曾经不言完成签到 ,获得积分10
55秒前
1分钟前
我独舞完成签到 ,获得积分10
1分钟前
一只胖赤赤完成签到 ,获得积分10
1分钟前
shuangfeng1853完成签到 ,获得积分10
1分钟前
haokeyan完成签到,获得积分10
1分钟前
没时间解释了完成签到 ,获得积分10
1分钟前
chen完成签到 ,获得积分10
1分钟前
左丘映易完成签到,获得积分0
1分钟前
勤恳的雪卉完成签到,获得积分10
1分钟前
Levi李完成签到 ,获得积分10
1分钟前
happyboy2008完成签到 ,获得积分10
1分钟前
cadcae完成签到,获得积分10
1分钟前
zz完成签到 ,获得积分10
2分钟前
yupingqin完成签到 ,获得积分10
2分钟前
2分钟前
摆渡人发布了新的文献求助10
2分钟前
摆渡人完成签到,获得积分10
2分钟前
执着易形完成签到 ,获得积分10
2分钟前
安静的ky完成签到 ,获得积分10
2分钟前
2分钟前
xiaogang127完成签到 ,获得积分10
2分钟前
璇儿发布了新的文献求助10
2分钟前
TAO LEE完成签到 ,获得积分10
2分钟前
杨天天完成签到 ,获得积分10
2分钟前
璇儿完成签到,获得积分10
3分钟前
chenll1988完成签到 ,获得积分10
3分钟前
沧海一粟米完成签到 ,获得积分10
3分钟前
传奇完成签到 ,获得积分10
3分钟前
任性星星完成签到 ,获得积分10
3分钟前
peterlzb1234567完成签到,获得积分10
3分钟前
大生蚝完成签到 ,获得积分10
3分钟前
Jasper应助科研通管家采纳,获得10
4分钟前
zhang完成签到 ,获得积分10
4分钟前
陆黑暗完成签到 ,获得积分10
4分钟前
黄花菜完成签到 ,获得积分10
4分钟前
vampire完成签到,获得积分10
4分钟前
高分求助中
Evolution 10000
Sustainability in Tides Chemistry 2800
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
An Introduction to Geographical and Urban Economics: A Spiky World Book by Charles van Marrewijk, Harry Garretsen, and Steven Brakman 500
Diagnostic immunohistochemistry : theranostic and genomic applications 6th Edition 500
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 3150630
求助须知:如何正确求助?哪些是违规求助? 2802063
关于积分的说明 7846132
捐赠科研通 2459415
什么是DOI,文献DOI怎么找? 1309243
科研通“疑难数据库(出版商)”最低求助积分说明 628725
版权声明 601757