EDA：使用神经标注器集成丰富情感对话行为
计算与语言
2020-03-17 v3 人工智能
机器人学
摘要
情感与对话行为的识别丰富了会话分析，并有助于构建自然的对话系统。情感解释使我们理解感受，而对话行为反映话语中的意图与施为功能。然而，大多数文本及多模态会话情感语料仅含情感标签而不含对话行为。为解决此问题，我们提出使用在对话行为语料上训练的多种循环神经模型池，带上下文与不带上下文的均有。这些神经模型用对话行为标签标注情感语料，并由一个集成标注器提取最终对话行为标签。我们标注了两个可获取的多模态情感语料：IEMOCAP 与 MELD。我们分析了情感与对话行为标签的共现关系并发现了特定关联。例如，Accept/Agree（接受/同意）对话行为常伴随 Joy（喜悦）情感，Apology（道歉）伴随 Sadness（悲伤），Thanking（致谢）伴随 Joy（喜悦）。我们将情感对话行为（EDA）语料公开供研究界进一步研究与分析。
引用
@article{arxiv.1912.00819,
title = {EDA: Enriching Emotional Dialogue Acts using an Ensemble of Neural Annotators},
author = {Chandrakant Bothe and Cornelius Weber and Sven Magg and Stefan Wermter},
journal= {arXiv preprint arXiv:1912.00819},
year = {2020}
}
备注
Proceeding of the LREC 2020