Sentiment Analysis

突破多模態情緒分析瓶頸：SemMSA 藉由 LLM 潛在語意與無錨點頻譜對齊解決資料缺失問題

Overcoming Incomplete Data in MSA: SemMSA Harnesses LLM Latent Semantics and Spectral Alignment

本研究提出 SemMSA 框架，透過凍結的 LLM 提取潛在情緒語意，並運用無錨點的跨模態頻譜對齊，解決多模態情緒分析中因資料缺失導致的虛假生成與雜訊干擾。