UniSA：面向情感分析的统一生成框架
计算与语言
2023-09-06 v1 人工智能
计算机视觉与模式识别
多媒体
摘要
情感分析是一项关键任务，旨在基于多模态信息理解人们的情绪状态并预测情绪类别。它包含若干子任务，如对话中的情绪识别(ERC)、基于方面的情感分析(ABSA)以及多模态情感分析(MSA)。然而，将情感分析所有子任务统一起来面临众多挑战，包括模态对齐、统一的输入/输出形式以及数据集偏差。为应对这些挑战，我们提出一种任务特定提示方法以联合建模子任务，并引入一个名为 UniSA 的多模态生成框架。此外，我们将主要子任务的基准数据集整理为一个新的情感分析评测基准 SAEval。我们设计了新颖的预训练任务与训练方法，使模型能在子任务间学习通用情感知识，从而提升模型的多模态情感感知能力。实验结果表明，UniSA 在所有子任务上均与当前最优方法表现相当，并对情感分析中的各类子任务具有良好的泛化能力。
引用
@article{arxiv.2309.01339,
title = {UniSA: Unified Generative Framework for Sentiment Analysis},
author = {Zaijing Li and Ting-En Lin and Yuchuan Wu and Meng Liu and Fengxiao Tang and Ming Zhao and Yongbin Li},
journal= {arXiv preprint arXiv:2309.01339},
year = {2023}
}
备注
Accepted to ACM MM 2023