多方对话中的情绪翻转推理
计算与语言
2023-06-27 v1 人工智能
摘要
在对话中，说话者可能具有不同的情绪状态，其动态变化对理解对话的情绪话语起着重要作用。然而，仅检测情绪不足以完全理解对话中说话者特定的情绪变化。为高效理解说话者的情绪动态，必须识别说话者所表达情绪任何变化或翻转背后的原因或引发者。本文探讨称为基于引发者的情绪翻转推理（EFR）的任务，旨在识别对话中说话者情绪翻转背后的引发者。例如，从喜悦到愤怒的情绪翻转可能由威胁等引发者引起。为推进该任务，我们提出 MELD-I 数据集，包含符合情绪心理学的真实 EFR 引发者标签。为评估该数据集，我们提出一种称为 TGIF 的新型神经架构，利用 Transformer 编码器和堆叠 GRU 来捕捉对话上下文、说话者动态和情绪序列。我们的评估显示出相对于该任务五个基线的当前最优性能（F1 分数提升 4–12%）。此外，我们在零样本设定下确立了 TGIF 在未见数据集上的泛化能力。另外，我们对竞争模型进行了详细分析，突出了我们神经架构的优势与局限。
引用
@article{arxiv.2306.13959,
title = {Emotion Flip Reasoning in Multiparty Conversations},
author = {Shivani Kumar and Shubham Dudeja and Md Shad Akhtar and Tanmoy Chakraborty},
journal= {arXiv preprint arXiv:2306.13959},
year = {2023}
}
备注
Paper accepted in IEEE Transaction on AI. 12 pages, 5 figures, 11 tables