基于注意力门控分层记忆网络的实时情感识别
计算与语言
2019-11-21 v1
摘要
对话中的实时情感识别（RTER）对开发具备情感智能的聊天机器具有重要意义。在 RTER 中缺乏未来上下文的情况下，谨慎构建记忆库以捕获历史上下文并恰当地总结记忆以检索相关信息变得至关重要。我们提出注意力门控分层记忆网络（AGHMN）以解决已有工作的如下问题：（1）常用于话语特征提取的卷积神经网络（CNNs）在记忆模块中兼容性较差；（2）单向门控循环单元（GRUs）仅允许每个历史话语拥有其之前的上下文，阻碍反向信息传播；（3）用于总结的软注意力丢失记忆的位置与顺序信息，而不论记忆库如何构建。特别地，我们提出分层记忆网络（HMN），以双向 GRU（BiGRU）作为话语读取器，并以 BiGRU 融合层实现历史话语间交互。对于记忆总结，我们提出注意力 GRU（AGRU），利用注意力权重更新 GRU 内部状态。我们进一步将 AGRU 推广为双向变体（BiAGRU）以平衡来自近期记忆与远端记忆的上下文信息。我们在两个情感对话数据集上进行了含充分分析的实验，证明了我们 AGHMN 模型的有效性。
引用
@article{arxiv.1911.09075,
title = {Real-Time Emotion Recognition via Attention Gated Hierarchical Memory Network},
author = {Wenxiang Jiao and Michael R. Lyu and Irwin King},
journal= {arXiv preprint arXiv:1911.09075},
year = {2019}
}
备注
AAAI 2020, 8 pages, 5 figures