MACSA：一个具有多模态细粒度对齐标注的多模态方面类别情感分析数据集
计算与语言
2022-06-29 v1
摘要
多模态细粒度情感分析因其广泛应用近年来受到越来越多的关注。然而，现有的多模态细粒度情感数据集大多侧重于对文本中的细粒度元素进行标注，而忽略了图像中的细粒度元素，导致视觉内容中的细粒度元素未能得到应有的充分关注。在本文中，我们提出了一个新的数据集——多模态方面类别情感分析（Multimodal Aspect-Category Sentiment Analysis, MACSA）数据集，其包含超过21K个文本-图像对。该数据集为文本和视觉内容均提供了细粒度标注，并首次以方面类别为枢纽来对齐两种模态之间的细粒度元素。基于我们的数据集，我们提出了多模态ACSA任务以及一种基于多模态图的对齐模型（MGAM），其采用了细粒度的跨模态融合方法。实验结果表明，我们的方法有助于该语料未来研究的基线对比。我们将公开数据集与代码。
引用
@article{arxiv.2206.13969,
title = {MACSA: A Multimodal Aspect-Category Sentiment Analysis Dataset with Multimodal Fine-grained Aligned Annotations},
author = {Hao Yang and Yanyan Zhao and Jianwei Liu and Yang Wu and Bing Qin},
journal= {arXiv preprint arXiv:2206.13969},
year = {2022}
}