論文題目（Title）：Multi-Modal Sarcasm Detection via Cross-Modal Graph Convolutional Network

研究問題（Question）：反諷檢測

研究動機（Motivation）：純文本描述可能錯誤地表達真實情況。

主要貢獻（Contribution）：

1.作者指出自己是第一個探索使用基于輔助對象檢測的圖模型來建模多模態諷刺檢測中關鍵文本和視覺信息之間的矛盾情緒。

2.利用圖像對象的屬性-對象對作為橋梁，提出了一種新的構建交叉模態圖的方法，通過重要程度不同的邊顯式連接兩個模態

3.在一個公開的多模態諷刺檢測基準數據集上的一系列實驗表明，作者提出的方法達到了最先進的性能。

研究思路（Idea）：首先檢測與圖像模態描述配對的對象，使學習重要的視覺信息成為可能。然后，通過對對象的描述作為橋梁，確定圖像情態對象與文本情態語境詞之間關聯的重要性，為每個多情態實例構建跨模態圖。此外，作者設計了一個跨模態圖卷積網絡，以理解多模態諷刺檢測中模態之間的不一致性關系。

研究方法（Method）：

?研究過程（Process）：

（1）Text-modality表示

（2）Image-modality表示

（3）建立跨通道圖

（4）跨模態融合

（5）學習目標

? ? ? ? 1.數據集（Dataset）

? ? ? ? 2.評估指標（Evaluation）

????????????????準確度（ACC）、F1-score、Macro-average

? ? ? ? 3.實驗結果（Result）

????????????????證明了該方法是目前效果最好的方法，通過消融實驗，驗證了各個參數設置。

總結（Conclusion）：本文提出了一種新的多模態諷刺檢測的跨模態圖結構，該結構將關鍵的視覺區域顯式連接到高度相關的文本標記，用于學習諷刺表達的不一致情緒。

總結

以上是生活随笔為你收集整理的CMGCN 2022ACL的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。