ESIHGNN：用于对话情感识别的事件-状态交互异构图神经网络
计算与语言
2024-05-08 v1
摘要
对话情感识别（CER）旨在预测对话中某一语音所表达的情感（称为“事件”）。现有图基方法主要关注事件之间的相互作用以理解对话背景，却忽略了说话者情感状态对事件的直接影响。此外，实时建模对话对于实际应用至关重要，但这几乎未被考虑。在此基础上，我们提出了一种新颖的图基方法，即事件-状态交互异构图神经网络（Event-State Interactions infused Heterogeneous Graph Neural Network, ESIHGNN），其融合了说话者的情感状态并构建了异构事件-状态交互图以进行对话建模。具体而言，采用异构有向无环图神经网络，在每一轮对话中动态更新和增强事件和情感状态的表示，从而提高对话的连贯性和一致性。进一步地，为进一步提升CER性能，我们将外部知识丰富化于图的边。在四个公开可用的CER数据集上的实验结果表明，我们的方法优于现有方法，并证明了引入的异构事件-状态交互图的有效性。
引用
@article{arxiv.2405.03960,
title = {ESIHGNN: Event-State Interactions Infused Heterogeneous Graph Neural Network for Conversational Emotion Recognition},
author = {Xupeng Zha and Huan Zhao and Zixing Zhang},
journal= {arXiv preprint arXiv:2405.03960},
year = {2024}
}