基于Transformer的三重融合框架，增强低资源孟加拉语的多模态作者意图分类

这项研究侧重于改进孟加拉语（一种被认为是低资源语言）的作者意图分类。使用基于Transformer的模型和三重融合框架表明，尝试有效地整合多种数据模态（例如，文本、图像、音频）以提高分类准确性。关注低资源环境非常重要，因为它解决了训练数据有限的挑战。该论文可能探讨了融合框架的架构，并评估了其与现有方法的性能比较。

• •侧重于作者意图分类。
• •解决了低资源语言（孟加拉语）的挑战。
• •采用基于Transformer的模型。
• •利用三重融合框架处理多模态数据。
• •旨在提高低资源环境下的分类准确性。