利用掩蔽记忆网络与Transformer发现多方可话中的情绪并推理其翻转
计算与语言
2022-01-03 v3
摘要
在多方可话中高效发现说话者的情绪状态，对设计类人对话智能体具有重要意义。在对话过程中，说话者的认知状态常因某些过往话语而改变，可能导致其情绪状态发生翻转。因此，发现对话中说话者情绪翻转背后的原因（触发项）对于解释各话语的情绪标签至关重要。本文在解决对话中情绪识别（ERC）任务的同时，引入一项新任务——情绪翻转推理（EFR），旨在识别在特定时刻触发某人情绪状态翻转的过往话语。我们提出一种掩蔽记忆网络解决前者，一种基于Transformer的网络解决后者任务。为此，我们采用多方对话中的基准情绪识别数据集MELD用于ERC任务，并为其标注新的EFR真值标签。与五种最先进模型的广泛比较表明，我们的模型在两项任务上均取得更优性能。我们进一步给出轶事证据以及定性和定量误差分析，以支撑我们的模型相较基线模型的优越性。
引用
@article{arxiv.2103.12360,
title = {Discovering Emotion and Reasoning its Flip in Multi-Party Conversations using Masked Memory Network and Transformer},
author = {Shivani Kumar and Anubhav Shrimal and Md Shad Akhtar and Tanmoy Chakraborty},
journal= {arXiv preprint arXiv:2103.12360},
year = {2022}
}
备注
Accepted in Knowledge-Based Systems; 34 pages, 4 figures, 15 tables