M2DF：面向多模态方面级情感分析的多粒度多课程去噪框架
计算与语言
2023-10-24 v1 多媒体
摘要
多模态方面级情感分析(MABSA)是一项细粒度情感分析任务，近年来吸引了日益增长的研究兴趣。现有工作主要利用图像信息来提升MABSA任务的性能。然而，大多数研究高估了图像的重要性，因为数据集中存在许多与文本无关的噪声图像，这将对模型学习产生负面影响。尽管一些工作尝试通过设定阈值来过滤低质量噪声图像，依赖阈值将不可避免地过滤掉大量有用的图像信息。因此，在本工作中，我们关注是否可以在不修改数据的情况下降低噪声图像的负面影响。为实现这一目标，我们借鉴课程学习的思想，提出了一种多粒度多课程去噪框架(M2DF)，其能够通过调整训练数据的顺序来实现去噪。大量实验结果表明，我们的框架在MABSA的三个子任务上持续优于最先进的工作。
引用
@article{arxiv.2310.14605,
title = {M2DF: Multi-grained Multi-curriculum Denoising Framework for Multimodal Aspect-based Sentiment Analysis},
author = {Fei Zhao and Chunhui Li and Zhen Wu and Yawen Ouyang and Jianbing Zhang and Xinyu Dai},
journal= {arXiv preprint arXiv:2310.14605},
year = {2023}
}
备注
Accepted by EMNLP 2023