EmotionIC：用于对话中情绪识别的情绪惯性与传染驱动依赖建模
计算与语言
2024-03-21 v5
摘要
随着人机交互技术的进展与应用，对话中情绪识别（ERC）近年来吸引了越来越多的关注。本文中，我们提出了一种情绪惯性与传染驱动的依赖建模方法（EmotionIC）用于 ERC 任务。我们的 EmotionIC 由三个主要组件构成，即身份掩码多头注意力（IMMHA）、基于对话的门控循环单元（DiaGRU）和跳跃链条件随机场（SkipCRF）。与以往的 ERC 模型相比，EmotionIC 能在特征提取与分类两个层面更彻底地建模对话。所提模型试图在特征提取层面整合基于注意力与基于循环方法的优势。具体而言，IMMHA 用于捕获基于身份的全局上下文依赖，而 DiaGRU 用于提取说话人感知与时间感知的局部上下文信息。在分类层面，SkipCRF 能显式地从对话中高阶相邻语句中挖掘复杂的情绪流。实验结果表明，我们的方法在四个基准数据集上显著优于最先进的模型。消融研究证实了我们的模块能有效建模情绪惯性与传染。
引用
@article{arxiv.2303.11117,
title = {EmotionIC: emotional inertia and contagion-driven dependency modeling for emotion recognition in conversation},
author = {Yingjian Liu and Jiang Li and Xiaoping Wang and Zhigang Zeng},
journal= {arXiv preprint arXiv:2303.11117},
year = {2024}
}
备注
Accepted by SCIENCE CHINA Information Sciences (SCIS)