多模态情感分析利用语言、视频和音频信息，但模态间可能有不相关和冲突的信息。为解决此问题，提出了自适应语言引导的多模态Transformer（ALMT），通过自适应超模态学习模块利用语言特征指导，抑制不相关和冲突的表示。ALMT在多个数据集上表现优异，验证了其机制的有效性。

本文综述了近期文本为中心的多模态情感分析任务的研究，探讨了大型语言模型在该领域的潜力、方法、优势和局限性，总结了应用场景，并讨论了未来的挑战和研究方向。

TRML是一种鲁棒多模态学习框架，通过生成虚拟模态替代丢失模态，并对生成和丢失模态之间的语义空间进行对齐，捕捉缺失模态的语义。实验证明该方法在多个多模态情感分析基准数据集上表现优秀。

本研究使用卷积神经网络从多个角度提取特征，实现了情感分析和情绪识别，并提升了10%的性能。同时，探讨了多模态情感分析中的重要问题，为今后的研究提供了新的基准。