关注情感叙事
机器学习
2019-07-10 v1 计算与语言
机器学习
摘要
深度神经网络中的注意力机制在序列预测任务上取得了优异性能。在此，我们表明这些近期提出的基于注意力的机制——特别是具有可并行自注意力层的 Transformer，以及跨模态与时间注意力的记忆融合网络(Memory Fusion Network)——也能很好地泛化到多模态时间序列情感识别。利用近期引入的情感自传体叙事数据集，我们调整并应用这两种注意力机制来预测随时间变化的情感效价。我们的模型表现极为出色，在某些情况下达到可与人类评分者相媲美的性能。最后我们讨论了注意力机制对情感计算的意义。
引用
@article{arxiv.1907.04197,
title = {Attending to Emotional Narratives},
author = {Zhengxuan Wu and Xiyu Zhang and Tan Zhi-Xuan and Jamil Zaki and Desmond C. Ong},
journal= {arXiv preprint arXiv:1907.04197},
year = {2019}
}
备注
Accepted at IEEE Affective Computing and Intelligent Interaction (ACII) 2019; 6 pages + 1 page ref; 4 figures