multimodal emotion cause analysis | BriefGPT

关键词multimodal emotion cause analysis

搜索结果 - 5

LyS 在 SemEval-2024 任务 3 中：基于图解析的端到端多模态情绪链接的早期原型
我们参与了 SemEval 2024 任务 3，重点研究了对话中的多模态情绪因果分析。我们设计了一个早期原型系统，使用基于图的依存解析方法来识别多方对话中的因果情绪关系。我们的模型包括一个基于神经变换器的编码器，用于提供多模态对话数据的语境
PDF2 months ago
PetKaz 参与 SemEval-2024 任务 3：利用 LLM 在对话中提取情绪 - 原因对进行情绪分类的创新
本文以 SemEval-2023 任务 3 “对话中多模态情绪因果分析竞赛” 的参赛报告为基础，着重从对话中提取情绪 - 原因二元组。具体而言，我们的方法通过结合经过微调的 GPT-3.5 实现情绪分类和基于 BiLSTM 的神经网络实现原
PDF3 months ago
LastResort 在 SemEval-2024 任务 3 中：将多模态情感因果对提取作为序列标注任务探索
提出了一种基于句子标签和序列标签问题的模型，通过对话中涉及的多个模态（文本、音频和视觉模态）的独立话语以及导致情绪的相应话语来解决多模态情绪原因分析任务，并对使用不同编码器（包括 BiLSTM）的基准线进行了比较研究，并最终添加了 CRF
PDF3 months ago
MIPS 在 SemEval-2024 任务 3 中：利用多模态语言模型进行对话中的多模态情绪原因对抽取
通过整合文本、音频和视觉模态的专门情感编码器，我们提出了一种新颖的多模态情感识别和多模态情感因果抽取（MER-MCE）框架，与其他顶级团队相比，我们的方法利用模态特定特征来增强情感理解和因果推断，并进行了实验性评估来展示其优势，我们的成绩在
PDF3 months ago
JMI 参加 SemEval 2024 任务 3：基于 GPT 和指令调优的拉马模型的多模态 ECAC 两步法
本论文提出了我们为 SemEval-2024 任务 3 开发的系统:“对话中多模态情绪原因分析的竞赛”。通过集成文本、音频和视频等多种模态有效地捕捉人际对话中的情绪需要克服这些多样模态的复杂性，这为开发高效的多模态情绪原因分析系统带来了挑战
PDF4 months ago