利用无监督数据用于对话中的情绪识别
计算与语言
2020-10-07 v2
摘要
对话中的情绪识别（ERC）旨在预测对话中说话者的情绪状态，本质上是一个文本分类任务。与句子级文本分类问题不同，ERC任务可用的有监督数据有限，这可能阻碍模型发挥最大效果。在本文中，我们提出一种利用更易获取的无监督对话数据的新方法。具体而言，我们提出对话补全（ConvCom）任务，试图从候选答案中选择正确答案来填充对话中被掩码的语句。然后，我们在ConvCom任务上预训练一个基础的上下文相关编码器（Pre-CODE）。最后，我们在ERC数据集上微调Pre-CODE。实验结果表明，在无监督数据上的预训练在ERC数据集上取得了显著的性能提升，尤其是在少数情绪类别上。
引用
@article{arxiv.2010.01908,
title = {Exploiting Unsupervised Data for Emotion Recognition in Conversations},
author = {Wenxiang Jiao and Michael R. Lyu and Irwin King},
journal= {arXiv preprint arXiv:2010.01908},
year = {2020}
}
备注
Accepted to the Findings of EMNLP 2020, 8 pages (published version of arXiv:1910.08916)