预测对话中的诱发情绪
计算与语言
2024-01-02 v1 机器学习
摘要
理解和预测多方多轮对话中的情绪轨迹具有重要意义。此类信息可用于在人机交互中生成共情响应，或为预防性毒性检测模型提供依据。在本工作中，我们引入了“对话中情绪预测”（Predicting Emotions in Conversations, PEC）这一新问题，旨在根据截至第 轮的文本和/或情绪输入组合，预测下一轮（）的情绪。我们通过建模与对话中诱发情绪内在相关的三个维度来系统地解决该问题，包括：(i) 序列建模，(ii) 自依赖建模，以及 (iii) 近期性建模。这些建模维度随后被纳入两种深度神经网络架构：序列模型和图卷积网络模型。前者旨在捕捉对话中的话语序列，而后者则捕捉话语序列以及多方对话的网络形成。我们对解决 PEC 问题的各种 proposed 模型进行了全面的实证评估。结果表明：(i) 自依赖和近期性模型维度对于预测任务的重要性；(ii) 简单序列模型在短对话中的质量；(iii) 图神经模型在改善长对话预测中的重要性。
引用
@article{arxiv.2401.00383,
title = {Predicting Evoked Emotions in Conversations},
author = {Enas Altarawneh and Ameeta Agrawal and Michael Jenkin and Manos Papagelis},
journal= {arXiv preprint arXiv:2401.00383},
year = {2024}
}