इस पत्र में, हम मल्टीमॉडल सेंटीमेंट एनालिसिस (MSA) की व्याख्या की कमी और मोडल असंतुलन की समस्याओं को हल करने के लिए KAN-MCP फ्रेमवर्क का प्रस्ताव करते हैं। KAN-MCP कोलमोगोरोव-अर्नोल्ड नेटवर्क (KAN) की व्याख्या और मल्टीमॉडल क्लीन पैरेटो (MCPareto) फ्रेमवर्क की मजबूती को जोड़ती है। KAN पारदर्शी रूप से यूनीवेरिएट फ़ंक्शन विघटन के माध्यम से अंतर-मोडल इंटरैक्शन का विश्लेषण करता है, और MCPareto आयाम में कमी और मोडल सूचना बोतलनेक (DRD-MIB) विधि का उपयोग करके मोडल असंतुलन और शोर हस्तक्षेप को संबोधित करता है। DRD-MIB KAN को भेदभावपूर्ण कम-आयामी इनपुट प्रदान करने के लिए फीचर आयाम को कम करता है और शोर को हटाता है, जिससे मॉडलिंग जटिलता कम हो जाती है और भावना से संबंधित जानकारी संरक्षित होती है। MCPareto सहायक संकेतों के दोषरहित संचरण को सुनिश्चित करने और मोडल असंतुलन को प्रभावी ढंग से कम करने के लिए अंतर-मोडल ग्रेडिएंट योगदान को गतिशील रूप से समायोजित करने के लिए DRD-MIB के आउटपुट का उपयोग करता है। परिणामस्वरूप, KAN-MCP बेंचमार्क डेटासेट जैसे CMU-MOSI, CMU-MOSEI और CH-SIMS v2 पर उत्कृष्ट प्रदर्शन प्राप्त करता है, और KAN की व्याख्या योग्य वास्तुकला के माध्यम से एक सहज ज्ञान युक्त विज़ुअलाइज़ेशन इंटरफ़ेस प्रदान करता है।
