NOSE：基于三模态正交对比学习的神经嗅觉-语义嵌入
计算与语言
2026-04-21 v2
摘要
嗅觉位于化学结构、神经编码和语言感知的交叉点，但现有表征方法未能充分捕获这一路径。当前方法通常仅建模嗅觉路径的孤立片段，忽略了从分子到受体再到语言描述的完整链路。这种片段化结果导致所学嵌入缺乏生物学依据和语义可解释性。我们提出 NOSE（Neural Olfactory-Semantic Embedding），一种表征学习框架，对齐嗅觉路径上的三个模态：分子结构、受体序列和自然语言描述。与简单融合这些信号不同，我们通过正交约束解耦它们的贡献，保留每个模态的独特编码信息。为解决嗅觉语言稀疏的问题，我们引入一种弱正样本策略来校准语义相似度，防止相似气味在特征空间中产生错误的排斥。大量实验表明，NOSE 实现了最先进（SOTA）性能和卓越的零样本泛化，确认其表征空间与人类嗅觉直觉之间的强烈对齐。代码和数据已于 https://github.com/Xianyusyy/NOSE 提供。
引用
@article{arxiv.2604.10452,
title = {NOSE: Neural Olfactory-Semantic Embedding with Tri-Modal Orthogonal Contrastive Learning},
author = {Yanyi Su and Hongshuai Wang and Zhifeng Gao and Jun Cheng},
journal= {arXiv preprint arXiv:2604.10452},
year = {2026}
}
备注
Accepted to the ACL 2026 Main Conference