arXiv · NLP· Wenhao Li, Zhibin Wu, Chong Xiao, Qiangchang Wang·· 8 小时前AI 评分28
SemMSA: 基于潜在语义辅助的不完整数据多模态情感分析
SemMSA: Latent Semantic-Aided Robust Multimodal Sentiment Analysis with Incomplete Data
AI 导读
SemMSA 提出一种潜在语义辅助框架，通过无锚点频谱对齐将 LLM 构建的语义与所有模态深度融合，解决不完整数据下的虚假生成与噪声引导问题。 框架包含跨模态语义精炼（CSR）和跨模态频谱对齐（CSA），利用 token 高效潜在精炼过程生成判别性语义状态。 在 SIMS、MOSI 和 MOSEI 基准测试中，SemMSA 取得了最先进（SOTA）性能，论文已被 NeurIPS 2026 接收。
来源：arXiv · NLP · arxiv.org