Unsupervised Graph Attention Autoencoder for Attributed Networks using K-means Loss

要約

マルチモーダル感情分析 (MSA) は、最近、多くの実世界のアプリケーションにとって中心的な研究方向となっています。
このような急増は、意見が人間のほぼすべての活動の中心であり、私たちの行動に大きな影響を与えるという事実によるものです。
さらに、ディープ ラーニング ベース (DL) モデルの最近の導入により、幅広い西洋言語に対してその高い効率性が証明されました。
対照的に、アラビア語の DL ベースのマルチモーダル感情分析 (MSA) は、主に標準データセットが不足しているため、まだ初期段階にあります。
% 貢献度 この文書では、調査は 2 つの要素から構成されています。
まず、単語アライメント技術内の最先端のトランスフォーマーと特徴抽出ツールの両方を活用して、アラビア語マルチモーダル データセットの構築に役立つパイプラインを設計します。
その後、マルチモダリティを扱う最先端のトランスフォーマーベースのモデルを使用してデータセットを検証します。
結果データセットのサイズは小さいにもかかわらず、実験ではアラビア語のマルチモダリティが非常に有望であることが示されています。

要約(オリジナル)

Multimodal Sentiment Analysis (MSA) has recently become a centric research direction for many real-world applications. This proliferation is due to the fact that opinions are central to almost all human activities and are key influencers of our behaviors. In addition, the recent deployment of Deep Learning-based (DL) models has proven their high efficiency for a wide range of Western languages. In contrast, Arabic DL-based multimodal sentiment analysis (MSA) is still in its infantile stage due, mainly, to the lack of standard datasets. % The contribution In this paper, our investigation is twofold. First, we design a pipeline that helps building our Arabic Multimodal dataset leveraging both state-of-the-art transformers and feature extraction tools within word alignment techniques. Thereafter, we validate our dataset using state-of-the-art transformer-based model dealing with multimodality. Despite the small size of the outcome dataset, experiments show that Arabic multimodality is very promising.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google