电影对话中的细粒度情感与意图学习

我们提出了一个新颖的大规模情感对话数据集，包含从OpenSubtitles语料库检索的100万条对话，并使用基于BERT的细粒度对话情感分类器标注了32种情感和9种共情回应意图。本工作阐述了用于预处理电影字幕并筛选优质电影对话进行标注的复杂流程。我们还描述了所遵循的半监督学习过程，以训练细粒度情感分类器来标注这些对话。尽管标签集合庞大，我们的对话情感分类器达到了$65\%$的准确率，并用于标注OpenSubtitles中的100万条情感电影对话。无论在数据集规模还是细粒度情感与意图类别方面，此种规模的情感对话分类此前从未尝试过。用于分析所得数据集质量的可视化技术表明，它符合人类社会交互的模式。