基于序列原型网络的少样本对话情感识别
计算与语言
2021-09-21 v1 机器学习
摘要
近期若干关于双人人类交互的研究针对无特定业务目标的对话展开。然而，许多公司可能受益于针对更精确环境(如售后服务和客户满意度调查)的专门研究。本工作中，我们置身于在线客服实时聊天场景，旨在检测对话流中的情感及其演变。该情境带来多重挑战，从利用受限、小规模且大多无标签的数据集，到为该情境寻找并适配方法。我们通过使用少样本学习应对这些挑战，并假设其可服务于不同语言与稀疏标签的对话情感分类。我们提出一种用于对话中序列标注的原型网络变体，命名为ProtoSeq。我们在两个不同语言的数据集上测试该方法：英语日常对话与法语客服聊天对话。当应用于对话情感分类时，即便与其他方法相比，我们的方法也具竞争力。
引用
@article{arxiv.2109.09366,
title = {Few-Shot Emotion Recognition in Conversation with Sequential Prototypical Networks},
author = {Gaël Guibon and Matthieu Labeau and Hélène Flamein and Luce Lefeuvre and Chloé Clavel},
journal= {arXiv preprint arXiv:2109.09366},
year = {2021}
}