基于双通道图卷积网络的多模态方面级情感分析

来源：计算机工程与科学杂志2025年第7期北京时间：

作者：张凤1, 邵玉斌1, 杜庆治1, 龙华1, 马迪南2

单位：1.昆明理工大学信息工程与自动化学院，云南 昆明 650504；2.云南省媒体融合重点实验室，云南 昆明 650228

摘要：针对在多模态方面级情感分析任务中，传统方法主要关注图文模态交互的深层信息而较少关注图像和文本中与方面相关的浅层信息，导致引入与方面无关的噪声，使得模型在捕获方面与情感之间复杂关系的能力上受到限制的问题，提出一种双通道图卷积网络模型DCGCN。在BART模型的结构上，利用注意力机制增强方面语义，通过图卷积网络获取方面增强的多模态特征，并将句法依赖、基于方面的位置依赖和方面增强的图文相关性信息聚合到GCN邻接权重矩阵中以获得感知多信息的多模态特征。实验表明，所提DCGCN模型在Twitter的2个数据集上的F1值分别达到了67.4%和67.9%，提高了多模态方面级情感分析的性能。

关键词：方面级情感分析,多模态,图卷积网络,句法依赖,注意力机制,

基金资助：云南省媒体融合重点实验室课题（220235205）