في عالم تحليل المشاعر المتعدد الوسائط (Multimodal Sentiment Analysis)، تتجه الأبحاث مؤخراً نحو تبني أساليب دمج تركز على النصوص، للاستفادة من المعلومات الغنية المتعلقة بالمشاعر الموجودة في النصوص. ولكن هذه الأساليب تواجه مشاكل حقيقية أثناء مرحلة الاستنتاج، خاصة بسبب البيانات المفقودة أو المشوشة التي نواجهها في سيناريوهات العالم الحقيقي، مثل غياب المفاتيح المرتبطة بالمشاعر.

لذلك، تم تقديم نهج جديد لتقدير الاكتمال يهدف إلى تحديد درجة المعلومات المتعلقة بالمشاعر المتبقية في البيانات الناقصة، مما يساعد في إعادة بناء الدلالات المفقودة. بالإضافة إلى ذلك، تم اقتراح استراتيجية تدريب تضبط التعلم متعدد المهام، حيث يتم تحسين كل من توقع المشاعر وتقدير الاكتمال بشكل مشترك.

تؤكد التجارب الشاملة والتحليلات الدقيقة على ثلاثة مجموعات بيانات مرجعية أن النهج المقترح يتيح إعادة بناء دلالات أكثر دقة، مما يؤدي إلى تنبؤات أكثر دقة حول المشاعر. هذه الابتكارات تمثل خطوة هامة في تحسين قدرة تحليل المشاعر على التعامل مع البيانات الناقصة وتقديم نتائج ذات موثوقية عالية.