本研究提出了Multimodal Aspect-Category Sentiment Analysis (MACSA) 数据集，包含21K个文本-图像对，并提供细粒度注释。建立了多模态情感分类任务和融合模型，实验结果表明该方法优于现有技术，为未来研究提供了基准。数据集和代码将公开。