DyFuLM：用于情感分析的高级多模态框架
计算与语言
2025-12-02 v1
摘要
理解复杂文本表达中的情感仍是情感计算中的一个基本挑战。为此，我们提出了动态融合学习模型（DyFuLM），一种旨在捕捉层次化语义表征和细粒度情感细微差别的多模态框架。DyFuLM引入两个关键模块：一个层次化动态融合模块，用于自适应集成多层次特征，以及一个门控特征聚合模块，用于调节跨层信息流以实现平衡的表征学习。在多任务情感数据集上的全面实验表明，DyFuLM实现了82.64%的粗粒度准确率和68.48%的细粒度准确率，实现了最低的回归误差（MAE = 0.0674, MSE = 0.0082），以及最高的决定系数（R^2 = 0.6903）。此外，消融研究验证了DyFuLM中每个模块的有效性。当移除所有模块时，粗粒度和细粒度任务的准确率分别下降0.91%和0.68%。仅保留门控融合模块导致下降0.75%和0.55%，而移除动态损失机制导致粗粒度和细粒度情感分类分别下降0.78%和0.26%。这些结果表明，每个模块对特征交互和任务平衡都有显著贡献。总体而言，实验发现进一步表明，DyFuLM通过有效的层次特征融合增强了情感表征和整体性能。
引用
@article{arxiv.2512.01410,
title = {DyFuLM: An Advanced Multimodal Framework for Sentiment Analysis},
author = {Ruohan Zhou and Jiachen Yuan and Churui Yang and Wenzheng Huang and Guoyan Zhang and Shiyao Wei and Jiazhen Hu and Ning Xin and Md Maruf Hasan},
journal= {arXiv preprint arXiv:2512.01410},
year = {2025}
}
备注
8 pages, 6 figures, preprint. Under review for a suitable AI conference