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。