专栏名称: 专知
专知,为人工智能从业者服务,提供专业可信的人工智能知识与技术服务,让认知协作更快更好!
今天看啥  ›  专栏  ›  专知

【WWW2025】基于多模态图结构的专家混合变分网络—零样本多模态信息抽取方法

专知  · 公众号  ·  · 2025-04-01 11:00
    

文章预览

社交媒体多模态信息抽取是构建多模态知识图谱的基础任务,旨在从文本-图像混合数据中提取结构化信息,包括 多模态命名实体分类 与 多模态关系抽取 。然而,随着多模态数据规模的增长,实体类型与关系类别持续扩展,模型需具备 零样本学习 能力以识别未见类别。针对这一挑战,本文提出 基于多模态图结构的专家混合变分网络(MG-VMoE) ,其核心创新如下: 细粒度模态对齐 以**专家混合网络(MoE)**为骨干,通过变分信息瓶颈(Variational Information Bottleneck)统一处理文本-视觉模态,学习更具判别力的跨模态表示。 相较现有方法直接对齐模态的粗粒度策略,MG-VMoE显式建模样本间 细粒度语义关联 。 对抗训练优化 提出 多模态图虚拟对抗训练 机制,利用图结构捕捉样本间的拓扑约束,增强模型对噪声的鲁棒性。 在两大基准数据集上的实验表明 ………………………………

原文地址:访问原文地址
快照地址: 访问文章快照
总结与预览地址:访问总结与预览