标题：基于提示学习的小样本社媒多模态情绪分析算法
作者：冯赫阳 王瑞 王耀扬
作者单位：上海大学通信与信息工程学院，上海 200444
关键字：社交媒体情绪分析；小样本场景；提示学习
摘要：标记数据可用性有限的挑战，严重阻碍了社交媒体平台上情绪检测的准确性，尤其是涉及多模态内容时。介绍了一种新颖的框架，即多模态极性引导型提示学习模型，利用了预训练的语言模型，并增强了极性驱动的提示，以改善稀疏数据场景中的情绪识别能力。通过将特定情感极性的提示词嵌入到学习过程中，有效地将这些模型的焦点引导到文本和图像中的微妙情感线索上，从而提高了检测的准确性。提出的方法在主流的社交媒体数据集TumEmo和MSASD上分别达到81.92%和88.86%的准确率，证明了其优于传统方法，特别是在少样本场景中。该框架不仅促进了对数字通信中情感表达的理解，而且为资源受限环境中的多模态情感识别设定了新的基准。