聚焦情感热点：多模态局部-全局融合与跨模态对齐用于情感识别

情感识别在对话中（ERC）具有技术难度，主要因为判别性证据稀疏、局部化，且在不同模态之间常常不同步。我们将ERC聚焦于情感热点，提出一种统一模型，检测文本、音频和视频中每个说话段的热点，借助热点门控融合（Hotspot-Gated Fusion）将其与全局特征融合，并通过路由混合对齐器（routed Mixture-of-Aligners）实现模态间对齐；对话结构由跨模态图进行编码。该设计聚焦于显著片段建模，缓解对齐偏差，同时保留上下文信息。实验在标准ERC基准数据集上均取得显著超越强基线的性能，消融实验确认了HGF与MoA的贡献。我们的结果表明，热点中心化视角可指导未来多模态学习，为ERC中的模态融合提供新视角。