基于依赖语法引导的大型多模态语言模型的可解释性Aspect-Based情感分析
计算与语言
2026-01-13 v1
摘要
多模态aspect情感分析(MABSA)旨在通过联合建模文本和视觉信息来识别aspect层级的情感，这对于社交媒体中的细粒度意见理解至关重要。现有方法主要依赖复杂多模态融合的判别式分类，却缺乏明确的情感可解释性。本文将MABSA重新表述为可生成且可解释的任务，提出一种统一框架，同时预测aspect层级情感并生成自然语言解释。基于多模态大型语言模型(MLLMs)，本方法采用基于提示的生成式范式，联合生成情感和解释。为进一步增强aspect导向的推理能力，我们提出了一种依赖语法引导的情感线索策略。该策略剪枝并文本化aspect中心依赖语法树，引导模型区分不同的情感aspect并增强其可解释性。为实现可解释性，我们使用MLLMs构建包含情感解释的新数据集以进行微调。实验表明，我们的方法不仅在情感分类准确率上取得一致提升，还生成忠实且以aspect为依托的解释。
引用
@article{arxiv.2601.06848,
title = {Explainable Multimodal Aspect-Based Sentiment Analysis with Dependency-guided Large Language Model},
author = {Zhongzheng Wang and Yuanhe Tian and Hongzhi Wang and Yan Song},
journal= {arXiv preprint arXiv:2601.06848},
year = {2026}
}
备注
9 pages, 3 figures