理解话语中的情感：识别洞察与语言学模式

尽管近期在情感识别对话 (ERC) 中取得了显著进展，但仍存在两个不足：我们缺乏清晰的理解，哪些建模选择对性能有实际影响；且我们对将识别结果与可操作生成线索关联的语言学分析有限。为此，我们通过在 IEMOCAP 数据集上进行系统性研究来加以解决。对于识别任务，我们进行受控消除实验，使用 10 个随机种子并进行配对测试（并对多重比较进行校正），从而得出三个发现。首先，对话情境占主导地位：性能迅速饱和，仅使用最新的 10-30 条前导信息即可实现约 90% 的性能提升。其次，层次化句子表示改善了仅基于utterance的识别（K=0），但一旦引入 turn 级情境，此益处便消失，表明对话历史在吸收内部 utterance 结构。第三，外部情感词典 (SenticNet) 的集成未能提升结果，这与预训练编码器已经捕获情感信号相符。在严格因果（仅过去）设定下，我们的简单模型达到了强大的性能（82.69% 4 分类; 67.07% 6 分类加权 F1）。对于语言学分析，我们检查了 5,286 处话语标记的出现情况，发现情感与标记位置之间存在可靠关联（p < 0.0001）。悲伤话语显示出减少的左侧periphery标记使用（21.9%），相对于其他情感（28-32%），这与将左侧periphery标记与积极话语管理联系的理论相吻合。这一模式与悲伤从对话历史中受益最大（+22%p）相符，表明悲伤情感更依赖于话语历史，而非显性的礼仪信号。