SANCL：基于选择性注意力与自然对比学习的多模态评论有用性预测
计算与语言
2022-10-06 v5 人工智能
摘要
随着电子商务的蓬勃发展，旨在根据预测的有用性分数对产品评论进行排序的多模态评论有用性预测（MRHP）已成为研究热点。以往该任务的工作集中于基于注意力的模态融合、信息整合与关系建模，主要暴露出以下缺陷：1）由于其无差别的注意力构造，模型可能未能捕捉真正本质的信息；2）缺乏充分利用所提供数据间相关性的恰当建模方法。本文中，我们提出 SANCL：用于 MRHP 的选择性注意力与自然对比学习。SANCL 采用基于探针的策略，对更重要区域强制赋予高注意力权重；并基于数据集中的自然匹配特性构建对比学习框架。在两个含三个类别的基准数据集上的实验结果表明，SANCL 以更低的内存消耗取得了最先进的基线性能。
关键词
引用
@article{arxiv.2209.05040,
title = {SANCL: Multimodal Review Helpfulness Prediction with Selective Attention and Natural Contrastive Learning},
author = {Wei Han and Hui Chen and Zhen Hai and Soujanya Poria and Lidong Bing},
journal= {arXiv preprint arXiv:2209.05040},
year = {2022}
}
备注
Accepted as a long paper at COLING 2022