CMV-Fuse: 用于方面级情感分析的 AMR、句法与知识表示的跨模态视图融合
计算与语言
2026-03-20 v2
摘要
自然语言理解本质上依赖于整合从表面句法到深层语义和世界知识的多个互补视角。然而，当前的方面级情感分析（ABSA）系统通常利用孤立的语言视角，从而忽略了人类自然利用的结构表示之间的复杂交互。我们提出 CMV-Fuse，一个跨模态视图融合框架，通过系统组合多种语言视角来模拟人类语言处理。我们的方法系统地编排四种语言视角：抽象意义表示（AMR）、成分句法分析、依存句法和语义注意力，并结合外部知识整合。通过在局部句法、中间语义和全局知识层面的分层门控注意力融合，CMV-Fuse 捕捉了细粒度的结构模式和广泛的上下文理解。一种新颖的结构感知多视图对比学习机制确保了互补表示之间的一致性，同时保持了计算效率。大量实验表明，在标准基准测试上相比强基线方法有显著提升，分析揭示了每种语言视角如何有助于更鲁棒的情感分析。
引用
@article{arxiv.2512.06679,
title = {CMV-Fuse: Cross Modal-View Fusion of AMR, Syntax, and Knowledge Representations for Aspect Based Sentiment Analysis},
author = {Smitha Muthya Sudheendra and Mani Deep Cherukuri and Jaideep Srivastava},
journal= {arXiv preprint arXiv:2512.06679},
year = {2026}
}