TED：基于对话特征注意力的对话情感识别中的注意力转移
计算与语言
2025-01-03 v1 人工智能
机器学习
摘要
情感识别在对话（ERC）中正受到多轮上下文建模方法的关注。预训练模型的多轮输入隐含地假设在训练过程中，通过在输入序列中插入特殊标记来区分当前轮次与其他轮次。本文提出了一种基于优先级的注意力方法，通过将对话特征纳入注意力机制来显式区分每个轮次，称为带对话特征注意力的轮次强调（TED）。TED根据轮次位置和说话者信息作为对话特征为每个轮次分配优先级。它对基于轮次的向量进行多头自注意力，以调整注意力得分。我们在四个典型基准数据集上评估了TED。实验结果表明，TED在所有数据集上均表现出高的整体性能，并在IEMOCAP上实现了状态突破（SOTA）性能。
引用
@article{arxiv.2501.01123,
title = {TED: Turn Emphasis with Dialogue Feature Attention for Emotion Recognition in Conversation},
author = {Junya Ono and Hiromi Wakaki},
journal= {arXiv preprint arXiv:2501.01123},
year = {2025}
}
备注
past activity in 2021