对比与生成使 BART 成为优秀的对话情绪识别器
计算与语言
2022-01-25 v2
摘要
在对话系统中，语义相似的话语在不同语境下可能具有截然不同的情绪。因此，建模具有说话人依赖性的长程语境情绪关系在对话情绪识别中起着关键作用。同时，区分不同情绪类别并非易事，因为它们通常具有语义上相似的情感。为此，我们采用有监督对比学习使不同情绪相互排斥，以更好地识别相似情绪。同时，我们利用辅助回复生成任务增强模型处理语境信息的能力，从而迫使模型在不同语境中识别语义相似的情绪。为实现这些目标，我们使用预训练的编码器-解码器模型 BART 作为骨干模型，因其非常适用于理解与生成任务。在四个数据集上的实验表明，我们提出的模型在对话情绪识别中比 SOTA 模型取得了显著更优的结果。消融研究进一步证明了有监督对比损失与生成损失的有效性。
引用
@article{arxiv.2112.11202,
title = {Contrast and Generation Make BART a Good Dialogue Emotion Recognizer},
author = {Shimin Li and Hang Yan and Xipeng Qiu},
journal= {arXiv preprint arXiv:2112.11202},
year = {2022}
}
备注
Accepted by AAAI 2022