← 研踪 PaperTrail软件学报:jos:7748 · 记录 #1
基于多模态隐喻对齐与多智能体协作推理的反事实隐式情绪分析
来源日期 2026-11-11
来源记录日期 2026-11-11
雷达观测 2026-11-11 10:31
摘要
反事实陈述通过假设性和否定性的可能情境传达情绪, 为隐式情绪分析(implicit emotion analysis, IEA)带来独特且复杂的挑战. 当前研究面临3大主要障碍: 缺乏高质量的反事实隐式情绪分析(counterfactual IEA, CIEA)多模态语料库、对未发生场景的语义建模存在困难、解构反事实关联隐喻信息的复杂性. 针对上述不足, 提出CIEA这一新任务, 并构建一个基于多智能体协作推理的多模态语义对齐框架(multimodal semantic alignment framework with multi-agent collaborative reasoning, MOSAMAC). 该框架首先利用大语言模型(large language model, LLM)和多模态大语言模型(multimodal LLM, MLLM)生成视觉场景, 以解构文本中隐含的隐喻信息. 随后, 采用一种词元-图块级的融合方法, 将视觉语义与文本表示进行跨模态细粒度对齐. 此外, 通过设计多智能体协作机制对假设条件进行语义层面的推理, 并将其与多模态特征融合以实现最终的情绪预测. 构建两个新的CIEA数据集, 涵盖中英文并配套了多模态语义资源. 通过与多个具有竞争力的基线模型进行对比实验验证所提方法的有效性.
论文发现出处
这些页面提供论文线索，不代表同行评审或质量认证。
发表信息与关联版本
软件学报 ↗2026 · 正式发表 · DOI: 10.13328/j.cnki.jos.007748
观测到的版本
平台记录号代表本站观测到的元数据变化，不是作者修订号。来源日期仅到月份或年份时，按该月或该年首日存档。
记录 #1 · 2026-11-11 · 最新观测版本
基于多模态隐喻对齐与多智能体协作推理的反事实隐式情绪分析
反事实陈述通过假设性和否定性的可能情境传达情绪, 为隐式情绪分析(implicit emotion analysis, IEA)带来独特且复杂的挑战. 当前研究面临3大主要障碍: 缺乏高质量的反事实隐式情绪分析(counterfactual IEA, CIEA)多模态语料库、对未发生场景的语义建模存在困难、解构反事实关联隐喻信息的复杂性. 针对上述不足, 提出CIEA这一新任务, 并构建一个基于多智能体协作推理的多模态语义对齐框架(multimodal semantic alignment framework with multi-agent collaborative reasoning, MOSAMAC). 该框架首先利用大语言模型(large language model, LLM)和多模态大语言模型(multimodal LLM, MLLM)生成视觉场景, 以解构文本中隐含的隐喻信息. 随后, 采用一种词元-图块级的融合方法, 将视觉语义与文本表示进行跨模态细粒度对齐. 此外, 通过设计多智能体协作机制对假设条件进行语义层面的推理, 并将其与多模态特征融合以实现最终的情绪预测. 构建两个新的CIEA数据集, 涵盖中英文并配套了多模态语义资源. 通过与多个具有竞争力的基线模型进行对比实验验证所提方法的有效性.
查看此版本解读 →查看此版本原文 ↗