对话中的情感转录：捕捉细微复杂情感状态的基准
计算与语言
2026-03-10 v1 人工智能
摘要
情感识别在对话中（ERC）对于实现自然的人机交互至关重要。然而，现有方法主要采用类别或维度情感标注，往往难以充分代表复杂、细微或文化特定的情感细微差异。为克服这一限制，我们提出了一种新任务，称为情感转录在对话中（ETC）。该任务聚焦于生成准确反映说话者情感状态的自然语言描述。为实现 ETc，我们构建了一个由日语文本对话组成的数据集，其中包含受访者自我报告的情感状态的自然语言描述。数据集还包括每段转录的情感类别标签，支持定量分析及其应用于 ERC。我们对基线模型进行了基准测试，发现尽管在数据集上微调可提升模型性能，但当前模型仍难以推断隐式情感状态。ETC 任务将推动进一步的研究，以更丰富的方式理解对话中的情感。该数据集已公开于 https://github.com/UEC-InabaLab/ETCDataset。
引用
@article{arxiv.2603.07138,
title = {Emotion Transcription in Conversation: A Benchmark for Capturing Subtle and Complex Emotional States through Natural Language},
author = {Yoshiki Tanaka and Ryuichi Uehara and Koji Inoue and Michimasa Inaba},
journal= {arXiv preprint arXiv:2603.07138},
year = {2026}
}
备注
Accepted to LREC 2026