用于文本对话中情绪检测的知识增强 Transformer
计算与语言
2019-10-02 v2 人工智能
机器学习
摘要
人类对话中的消息天然传达情绪。文本对话中的情绪检测任务带来了广泛应用，例如社交网络中的观点挖掘。然而，使机器分析对话中的情绪具有挑战性，部分原因在于人类常依赖上下文与常识知识来表达情绪。本文中，我们通过提出一种知识增强 Transformer（KET）来解决这些挑战，其中上下文话语使用分层自注意力进行解释，外部常识知识使用上下文感知的情感图注意力机制动态利用。在多个文本对话数据集上的实验表明，上下文与常识知识对情绪检测性能均有一致的益处。此外，实验结果显示我们的 KET 模型在多数被测数据集上的 F1 分数优于 SOTA 模型。
引用
@article{arxiv.1909.10681,
title = {Knowledge-Enriched Transformer for Emotion Detection in Textual Conversations},
author = {Peixiang Zhong and Di Wang and Chunyan Miao},
journal= {arXiv preprint arXiv:1909.10681},
year = {2019}
}
备注
EMNLP 2019