面向文本对话情感识别的具有全局-局部感知能力的双流循环-注意力网络
计算与语言
2023-11-23 v2
摘要
在现实世界的对话系统中，理解用户情绪并进行拟人化交互具有重要意义。对话情感识别（ERC）是实现这一目标的关键途径之一，已引起越来越多的关注。如何对对话中的上下文进行建模是ERC任务的核心方面和主要挑战。现有大多数方法难以充分融合全局与局部上下文信息，且网络结构过于复杂。为此，我们提出了一种简单而有效的双流循环-注意力网络（DualRAN），其基于循环神经网络（RNN）与多头注意力网络（MAT）。DualRAN摒弃了当前方法的复杂组件，专注于将基于循环的方法与基于注意力的方法相结合。DualRAN是一种双流结构，主要由局部感知模块和全局感知模块组成，从不同的视角同时对对话进行建模。此外，我们为DualRAN开发了两种单流网络变体，即SingleRANv1和SingleRANv2。实验结果表明，与最强基线相比，DualRAN在IEMOCAP和MELD数据集上分别将加权F1分数提升了1.43%和0.64%。在另外两个数据集（即EmoryNLP和DailyDialog）上，我们的方法也取得了具有竞争力的结果。
引用
@article{arxiv.2307.00449,
title = {A Dual-Stream Recurrence-Attention Network With Global-Local Awareness for Emotion Recognition in Textual Dialog},
author = {Jiang Li and Xiaoping Wang and Zhigang Zeng},
journal= {arXiv preprint arXiv:2307.00449},
year = {2023}
}
备注
Accepted by Engineering Applications of Artificial Intelligence (EAAI)