基于增强情感语义学习的多标签类递增情感解码
人工智能
2024-06-03 v1
摘要
情感解码在情感人机交互中发挥着重要作用。然而，先前的研究忽略了这种动态现实场景，即人们经历多种情感的混合，这些情感不断被集成到模型中，导致多标签类递增学习（MLCIL）问题的出现。现有方法由于部分标签问题导致的灾难性遗忘以及标签语义挖掘不足，难以解决MLCIL问题。本文提出了一种用于多标签类递增情感解码的增强情感语义学习框架。具体而言，我们设计了带有标签消歧的增强情感关系图模块，以处理过时缺失的部分标签问题。然后，我们利用情感维度空间中的领域知识，通过知识蒸馏来缓解未来缺失的部分标签问题。此外，我们构建了情感语义学习模块，利用图自编码器获取情感嵌入，以引导语义特定特征解耦，以实现更好的多标签学习。在三个数据集上的大量实验表明，我们的方法在提高情感解码性能方面具有优势，并能有效减轻在MLCIL问题上的遗忘现象。
引用
@article{arxiv.2405.20600,
title = {Multi-label Class Incremental Emotion Decoding with Augmented Emotional Semantics Learning},
author = {Kaicheng Fu and Changde Du and Xiaoyu Chen and Jie Peng and Huiguang He},
journal= {arXiv preprint arXiv:2405.20600},
year = {2024}
}