在现实世界的多模态情感检测中，由于存在大量的不完整的数据，影响了模型在判断情感时的准确性和鲁棒性，为了解决这一问题，本文提出了一个出了一种新颖的网络结构——Language-dominated Noise-resistant Learning Network (LNLN)，旨在解决数据不完整性问题，在MSA中语言模态通常包含丰富的情感信息，本文将其视为主导模态，并提出了一种创新的以语言为主导的抗噪

现有的多模态情感分析在对于具有讽刺意味的数据识别还存在巨大挑战，讽刺可以定义为说出或写出与某人的意思相反的内容，或者以一种让某人感到愚蠢或愤怒的方式说话。例如，当某人写了一些积极的内容，但内容的含义是消极的，反之亦然。这使得情感分析变得更加复杂。由于讽刺的模糊性和复杂性，检测讽刺变得具有挑战性。现有的多模态讽刺检测（MSD）模型存在数据集偏差的问题，特别是统计标签偏差和无关讽刺词汇偏差。这些偏差会

这篇论文原标题：PanoSentMultimodal Conversational Aspect-based Sentiment Analysis，发表在ACM MM 2024上。

现有的多模态情感分析在对于具有讽刺意味的数据识别还存在巨大挑战，讽刺可以定义为说出或写出与某人的意思相反的内容，或者以一种让某人感到愚蠢或愤怒的方式说话。例如，当某人写了一些积极的内容，但内容的含义是消极的，反之亦然。这使得情感分析变得更加复杂。由于讽刺的模糊性和复杂性，检测讽刺变得具有挑战性。现有的多模态讽刺检测（MSD）模型存在数据集偏差的问题，特别是统计标签偏差和无关讽刺词汇偏差。这些偏差会