不確実な欠落モダリティを持つマルチモーダル感情分析におけるテキストガイド付き再構成ネットワークの適用 学術的背景 マルチモーダル感情分析（Multimodal Sentiment Analysis, MSA）は、テキスト、視覚、音響信号に含まれる感情表現を統合することを目指す研究分野です。ユーザー生成のオンラインコンテンツが豊富になるにつれて、MSAは感情理解と人間-コンピュータインタラクションの向上において大きな可能性を示しています。しかし、現在のMSA手法には主に2つの問題があります：1）アラインされていないマルチモーダルデータにおけるテキストの主要な役割が十分に活用されていないこと、2）不確定な欠落モダリティにおけるモダリティの探索が不足していることです。これらの問題により、特に実際の...

大規模言語モデルは虚偽情報にどう対応するのか？—LLMsを基盤とした深掘り研究 現代の情報が急速に拡散するデジタル時代において、虚偽情報（misinformation）やフェイクニュース（fake news）の拡散は、社会的な重大課題となっています。インターネットやソーシャルメディアの普及により、情報共有のハードルが大幅に下がり、誰でも未検証のままコンテンツを拡散できるようになりました。その一方で、ソーシャルプラットフォームのアルゴリズムは、議論を呼ぶ内容や感情を強く揺さぶる内容を優先的に表示する傾向があり、誤解を招く情報の拡散を加速させています。さらに、生成型人工知能（generative artificial intelligence）、特に大規模言語モデル（Large Language...

プロトタイプに基づくサンプル加重ディスティレーション統一フレームワークの欠損モダリティ感情分析への応用 研究背景 感情分析は自然言語処理(NLP)における重要な分野であり、ソーシャルメディアプラットフォームの発展と共に、人々は短いビデオクリップを通じて感情を表現する傾向が強まっています。これによりマルチモーダルデータが急速に増加しています。しかし、現実生活ではモダリティ欠損の状況がよく発生します。たとえば、音声が失われたり、カメラが遮られたり、音声の転記ミスなどが原因です。このような状況では、欠損モダリティの感情分析が重要であり、かつ困難な課題となります。マルチモーダルの異質性は、すべてのモダリティをマルチモーダルネットワーク上で同じ目標に最適化しようとするときに、特にモダリティ欠損の場合に...