面向情感识别的 Context-Aware 双塔网络
计算与语言
2024-04-18 v1
摘要
深度学习模型的出现对情感识别在对话（ERC）方面取得了显著进展。然而，该任务仍因人类情感的多样性与主观性而保持重要挑战。ERC 的以往工作主要使用图基对话表示提供预测模型。在本工作中，我们提出一种建模对话上下文的方法，并将其融入 metric learning 训练策略，通过两个步骤实现。这使我们能够在灵活的分类场景下进行 ERC，并最终获得一个轻量且高效的模型。通过双塔网络架构实现的 metric learning，我们在 DailyDialog 数据集上实现了 57.71 的宏 F1 分数，用于情感分类，对比相关工作。虽然该 state-of-the-art 结果在情感识别中展示了 metric learning 的前景，但相较于 microF1 分数仍有提进空间。
引用
@article{arxiv.2404.11141,
title = {Context-Aware Siamese Networks for Efficient Emotion Recognition in Conversation},
author = {Barbara Gendron and Gaël Guibon},
journal= {arXiv preprint arXiv:2404.11141},
year = {2024}
}