多模态对话情感分析的结构化提示与LLM集成
计算与语言
2025-12-30 v1
摘要
理解多模态对话中的情感是构建具情感智能 AI 系统的复杂且关键挑战。多模态对话情感分析挑战赛( Multimodal Conversational Aspect-based Sentiment Analysis, MCABSA)邀请参赛者解决两个艰巨子任务：(1) 从多说话者对话中提取完整的情感六元组，包括持有者、目标、方面、观点、情感和依据；(2) 检测情感翻转，即检测情感动态变化及其潜在触发因素。针对子任务I，本文设计了结构化提示管道，引导大语言模型(LLM)逐步提取情感成分，实现更精细的情境理解。针对子任务II，我们进一步通过集成三个LLM的互补优势，稳健地识别情感转换及其触发因素。我们的系统在子任务I上获得47.38%的平均得分，在子任务II上实现74.12%的精确匹配 F1 分数，表明在丰富的多模态情感分析任务中，分步骤细化和集成策略的有效性。
引用
@article{arxiv.2512.22603,
title = {Structured Prompting and LLM Ensembling for Multimodal Conversational Aspect-based Sentiment Analysis},
author = {Zhiqiang Gao and Shihao Gao and Zixing Zhang and Yihao Guo and Hongyu Chen and Jing Han},
journal= {arXiv preprint arXiv:2512.22603},
year = {2025}
}