FATRER：用于准确鲁棒对话情绪识别的全注意力主题正则器
计算与语言
2023-07-25 v1 人工智能
摘要
本文关注于对对话语句中引发的交谈者情绪的理解。该领域的先前研究主要关注更精确的情绪预测，而忽略了当局部上下文受到对抗攻击破坏时模型的鲁棒性。为在确保准确性的同时保持鲁棒性，我们提出了一种由全注意力主题正则器增强的情绪识别器，其在对对话中局部上下文建模时提供了情绪相关的全局视角。引入了联合主题建模策略，从表示和损失两个角度实现正则化。为避免过度正则化，我们丢弃了传统主题建模中存在的对先验分布的约束，并完全基于注意力对齐进行概率近似。实验表明，我们的模型取得了比最先进（SOTA）模型更有利的结果，并在三类对抗攻击下获得了令人信服的鲁棒性。
引用
@article{arxiv.2307.12221,
title = {FATRER: Full-Attention Topic Regularizer for Accurate and Robust Conversational Emotion Recognition},
author = {Yuzhao Mao and Di Lu and Xiaojie Wang and Yang Zhang},
journal= {arXiv preprint arXiv:2307.12221},
year = {2023}
}